内容概述
- 通俗地讲，决策树提出一个问题，然后根据回答者的答案将回答者区分。
- 决策树图中，最上面的只有指出箭头的结点称为“根结点”，中间既有指入又有指出的结点称为“内部结点”，下方只有指入箭头的绿色结点称为“叶结点”。
- 那么决策树应该如何建立呢？
- 根结点该如何选择？
- 作出每个特征的树状图后，通过算法计算出每个特征与心脏疾病的相关性。
- 我们将使用“Gini（基尼）”来比较它们谁更不纯。
- 将根结点确定下来后，确定后续结点同样需要使用Gini不纯系数，并确保每个结点的不纯系数取最小值。
- 上述例子中只使用了布尔值（True or Flase），增加数值后又该如何建立决策树呢？
- 增加选项值后，应该如何计算它的Gini不纯系数？
通俗地讲，决策树提出一个问题，然后根据回答者的答案将回答者区分。
决策树图中，最上面的只有指出箭头的结点称为“根结点”，中间既有指入又有指出的结点称为“内部结点”，下方只有指入箭头的绿色结点称为“叶结点”。
那么决策树应该如何建立呢？
在下面的例子中，我们打算通过Chest Pain、Good Blood Circulation和Blocked Arteries来预测一名患者是否得心脏疾病。
因此，我们需要在三个特征中选择一个作为根结点。
根结点该如何选择？
选择与心脏疾病最相关的特征。
依次对比每个特征列与结果列的每一行数值，作出每个特征的树状图。
比如，某个患者得了Chest Pain，那我们就沿True路径往下走，如果该患者还得了心脏疾病，那么叶结点中的Yes+1，否则No+1。如此类推.....
作出每个特征的树状图后，通过算法计算出每个特征与心脏疾病的相关性。
注意：因为没有一个特征树的叶结点是百分百Yes或者No，所以它们都被认为是不纯的（impure）。
我们将使用“Gini（基尼）”来比较它们谁更不纯。
（说法有点怪怪的///）
1. 通过Figure 1中的算式来算出两个叶结点的Gini不纯系数；
2. 通过Figure 2中的算式来算出根结点（即某个特征）的Gini不纯系数（不纯系数越低越好）；
这种算法在后面还会用到。
Figure 1：
Figure 2：
将根结点确定下来后，确定后续结点同样需要使用Gini不纯系数，并确保每个结点的不纯系数取最小值。
上述例子中只使用了布尔值（True or Flase），增加数值后又该如何建立决策树呢？
第一步：对数值进行排序；
第二步：计算每个相邻数值间的平均值；
第三步：计算每个平均值的Gini不纯系数；
增加选项值后，应该如何计算它的Gini不纯系数？
——计算所有选项组合的不纯系数。
