本站原创文章,转载请说明来自《老饼讲解-机器学习》www.bbbdata.com
本文梳理CART决策树的算法流程,并分析代码实现的难点及解决方案。
本文是决策树的自实现的基础,具体的实现代码在《CART分类树-自实现代码》
算法流程来源
本文是笔者扒取matlab决策树函数fitctree的源码后,梳理整合得到的算法实现流程,
本文中的算法流程,即matlab的决策树函数fitctree的算法流程。
而python的sklearn包中决策树tree.DecisionTreeClassifier则与该流程在细节上有所出入,主体上仍然是保持一致。
本节展示CART决策树在代码实现时的算法流程
实现流程
决策树的实现逻辑是非常简单的,
无非就是不断地让未长生的节点继续长生,直到生长完成
具体流程图如下:
代码实现的难点
决策树的实现逻辑是非常简单的,
但真正去实现决策树时,会发现有两个难点
👉 1. 如何表达决策树中树的结构
👉2. 如何对树进行历遍
本节介绍CART决策树结构信息的两种存储方法
两种常见的实现方案
目前较常见的方案有两种 ,
第一种是用链表,程序员的至爱。
第二种用左右节点编号数组
两种方案的利弊
两者各有好处,又各有弊端
链表形式的利弊
第一种链表形式,
优点是增删时非常方便,
缺点是除非画图,不然非常不直观,
而且动不动就要历遍,
例如要找叶子节点,就需要历遍,
要知道有多少个节点,也要历遍
矩阵记录形式的利弊
第二种矩阵记录,
看起来没什么毛病,但逻辑上非常不直观,
在删掉某个节点下所有节点时,逻辑非常绕
本节介绍CART决策树中两种对树历遍的常见方案
两种常见的实现方案
树历遍的根本难点在于,历遍过程是动态的,
必须历遍到具体节点,才知道该节点下还有没有子节点
树的历遍也有两个方案:
👉1.节点栈方案
👉2. 递归方案
1.节点栈方案
节点栈方案的处理方式如下:
建立一个节点栈,将未处理的节点放在栈中,
每次出栈处理一个节点,处理完后,把该节点的子节点入栈
直到栈中节点数为空,则完成历遍
2. 递归方案
递归方案的处理方式如下:
递归就是处理函数只要还有子节点,就不断自身调用自身。
✍️两种方案的利弊
递归的好处是简洁,但代码难理解
而节点栈相对较好理解些,但没有递归简洁
笔者语
由于决策树的实现上存在这两个难点,注定代码不能简单明了,
matlab自身是使用 “左右节点编号数组+节点栈的方式”,
而 笔者最终选用“链表+递归”的方式去复现算法,
主要是笔者需要自行拓展一些功能,以 “链表+递归”更加简洁灵活和方便。
具体复现代码见《CART决策树-代码自实现》
End