机器学习：决策树（决策树解决回归问题、决策树算法的局限性）

一、解决回归问题的思路

　1）思路对比

• 解决分类问题：根据模型参数训练结束后，对每个“叶子”节点的样本数据进行投票，规定数量最多的样本的类型为该“叶子”的预测类型；

• 解决回归问题：根据模型参数划分结束后，对每个“叶子”节点处 的相应的数据输出值的平均值，作为该“叶子”的预测值；（也就是训练结束后，每个“叶子”处可能有多个数值，取多个数值的平均值作为该“叶子”的预测值，根据特征值预测未知的样本数据时，如果最终计算结果在该“叶子”上，认为该“叶子”的预测值为该特征值对应的样本的数据；）

　2）scikit-learn 的决策树算法

• 两个算法的参数相同，参数的功能相同；

1. DecisionTreeClassifier()：解决分类问题；
2. DecisionTreeRegressor()：解决回归问题；

　3）判断模型过拟合 / 欠拟合

　4）代码

• import numpy as np
  import matplotlib.pyplot as plt
  from sklearn import datasets
  
  boston = datasets.load_boston()
  X = boston.data
  y = boston.target
  
  from sklearn.model_selection import train_test_split
  X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=666)
  
  from sklearn.tree import DecisionTreeRegressor
  dt_reg = DecisionTreeRegressor()
  dt_reg.fit(X_train, y_train)
  
  dt_reg.score(X_test, y_test)
  # 模型对测试数据集上的准确率：0.6946080795352323
  
  dt_reg.score(X_train, y_train)
  # 模型在训练数据集上的准确率：1.0

   

• 分析：模型对训练数据集的预测准确度：100%，但在测试数据集上的准确度：69%，模型过拟合；

• 一般过拟合：

1. 模型在训练数据集上的表现非常好；
2. 模型在测试数据集上的表现不好；

二、决策树算法的局限性

　1）局限性一

•  决策树模型的决策边界都是与坐标轴平行的，永远不会产生斜线，决策边界可能不准确；

• 情景一：

1. 左一图：原始数据分布；
2. 中间图：决策树模型得到的决策边界；
3. 右一图：为线性模型得到的决策边界；

•     、、、、、、 

• 情景二：此种数据分布情况，使用决策树算法不能很好的进行分类，其决策边界有可能是右侧图形态；

、

　2）局限性二

• 对个别数据比较敏感：数据集中样本的增减，对模型的训练影响较大；