[机器学习实战] 决策树ID3算法

1. 决策树特点：

　　1）优点：计算复杂度不高，输出结果易于理解，对中间值的缺失不敏感，可以处理不相关特征数据。

　　2）缺点：可能会产生过度匹配问题。

　　3）适用数据类型：数值型和标称型。

2. 一般流程：

　　1）收集数据：可以使用任何方法；

　　2）准备数据：构造树算法只适用于标称型数据，因此数值型数据必须离散化；

　　3）分析数据：可以使用任何方法，构造树完成后，我们应该坚持图形是否符合预期；

　　4）训练算法：构造树的数据结构；

　　　　a. 在划分数据集之前之后信息发生的变化称为信息增益。

　　　　　熵定义为信息的期望值，可用于分类，计算公式：

　　　　　　H = -Σ ⁿ_i=1 p(xi)log₂p(x_i)

　　　　b. 创建决策树原理：

　　　　　　得到原始数据集，然后基于最好的属性值划分数据集，由于特征值可能多于两个，因此可能存在大于两个分支的数据集划分。

　　　　　　第一次划分之后，数据将被向下传递到树分支的下一个节点，在这个节点上，我们再次划分数据。

　

 决策树存储方法：

　　5）测试算法：使用经验树计算错误率；

　　6）使用算法：此步骤可以适用于任何监督学习算法，而使用决策树可以更好地理解数据的内在含义。

 3. 应用：

　　预测隐形眼镜类型；