当前位置：首页 > news >正文

江门网站建设工作江门免费网站建站模板

news 2025/10/17 0:55:30

江门网站建设工作,江门免费网站建站模板,南山网站建设多少钱,网站怎样制作吸引人【回归算法解析系列】决策树回归（Decision Tree Regressor） 1. 决策树回归：非参数化的非线性建模决策树回归（Decision Tree Regressor）是一种基于树结构的非参数模型，它在机器学习领域中占据着重要的地位…

【回归算法解析系列】决策树回归（Decision Tree Regressor）

1. 决策树回归：非参数化的非线性建模

决策树回归（Decision Tree Regressor）是一种基于树结构的非参数模型，它在机器学习领域中占据着重要的地位。其核心优势体现在多个方面：

1.1 处理非线性关系

在现实世界的数据中，很多特征与目标变量之间的关系并非简单的线性关系。决策树回归无需对数据的分布做出任何假设，能够自动捕捉特征之间的复杂交互。例如，在预测房价时，房屋的面积、房龄、周边配套设施等因素可能相互影响，决策树可以通过递归地划分数据空间，灵活地适应这种非线性关系。

在这里插入图片描述

1.2 可解释性强

决策树的树结构可以直观地可视化，这使得模型的决策过程变得透明。通过观察树的结构，我们可以清晰地看到每个特征在决策过程中的作用，从而支持特征重要性分析。比如在金融风控领域，决策树可以帮助我们提取出明确的规则，如“客户的信用评分低于600且贷款金额超过50万则风险较高”，这对于业务人员理解和解释模型的决策非常有帮助。

在这里插入图片描述

1.3 适应混合数据类型

在实际应用中，数据往往包含数值型和类别型特征。决策树回归能够同时处理这两种类型的特征，无需进行复杂的数据转换。例如，在医疗诊断中，患者的年龄、体温等数值型特征可以与疾病类型、症状等类别型特征一起作为输入，决策树可以有效地利用这些信息进行预测。

适用场景

需要模型解释性的业务场景（如金融风控规则提取）：在金融领域，决策的可解释性至关重要。监管机构要求金融机构能够清晰地解释模型的决策依据，决策树的可解释性使其成为金融风控的理想选择。通过分析决策树的结构，我们可以提取出具体的风险规则，帮助业务人员进行风险评估和决策。
特征与目标存在复杂非线性关联（如医疗诊断指标与疾病程度）：医疗数据往往具有高度的复杂性和非线性。例如，某些疾病的发生可能与多个因素相互作用有关，决策树回归可以自动捕捉这些复杂的关系，为疾病的诊断和治疗提供有价值的信息。

2. CART算法与分裂准则

2.1 算法流程

CART（Classification and Regression Trees）算法是构建决策树的常用算法，它通过递归二分法来构建树。具体步骤如下：

2.1.1 选择最优特征与切分点

在每一个节点上，CART算法会遍历所有的特征和可能的切分值，寻找能够使分裂后子节点纯度提升最大的特征和切分点。这个过程类似于在一个多维空间中不断地划分区域，使得每个区域内的数据尽可能纯净。

在这里插入图片描述

2.1.2 计算分裂增益

为了衡量分裂的好坏，CART算法使用分裂增益来进行评估。常用的分裂准则有均方误差（MSE）和平均绝对误差（MAE），下面我们将详细介绍这两种准则。

2.1.3 递归分裂

在选择了最优特征和切分点后，CART算法会将节点分裂成两个子节点，并对子节点重复上述过程，直到满足停止条件。停止条件可以是树的深度达到最大值、节点中的样本数小于某个阈值等。

2.2 分裂准则：均方误差（MSE）与平均绝对误差（MAE）

2.2.1 MSE（方差减少）

均方误差是一种常用的衡量回归模型误差的指标，在决策树回归中，我们使用MSE的减少量来选择最优的分裂点。其计算公式如下：
[
\Delta \text{MSE} = \text{MSE}\text{父节点} - \left( \frac{N\text{左}}{N} \text{MSE}\text{左} + \frac{N\text{右}}{N} \text{MSE}_\text{右} \right)
]
其中， $N$ 是父节点的样本数， $N_\text{左}$ 和 $N_\text{右}$ 分别是左子节点和右子节点的样本数， $\text{MSE}_\text{父节点}$ 、 $\text{MSE}_\text{左}$ 和 $\text{MSE}_\text{右}$ 分别是父节点、左子节点和右子节点的均方误差。

2.2.2 MAE（中位数绝对偏差）

平均绝对误差是另一种衡量回归模型误差的指标，它对异常值的敏感度较低。在决策树回归中，MAE的减少量也可以作为分裂准则，其计算公式如下：
[
\Delta \text{MAE} = \text{MAE}\text{父节点} - \left( \frac{N\text{左}}{N} \text{MAE}\text{左} + \frac{N\text{右}}{N} \text{MAE}_\text{右} \right)
]

代码示例：计算MSE增益

import numpy as npdef mse(y):"""计算均方误差:param y: 输入的目标值数组:return: 均方误差"""return np.mean((y - np.mean(y)) ** 2)def mse_gain(y_left, y_right):"""计算MSE增益:param y_left: 左子节点的目标值数组:param y_right: 右子节点的目标值数组:return: MSE增益"""y_parent = np.concatenate([y_left, y_right])mse_parent = mse(y_parent)mse_left = mse(y_left)mse_right = mse(y_right)return mse_parent - (len(y_left)*mse_left + len(y_right)*mse_right)/len(y_parent)

3. 树的剪枝：控制模型复杂度

3.1 预剪枝（Pre-pruning）

预剪枝是在树的构建过程中，通过设置一些参数来限制树的生长，从而避免过拟合。常用的预剪枝参数包括：

max_depth：最大树深度，限制树的深度可以防止树过于复杂。例如，当 max_depth=3 时，树的深度最多为3层。
min_samples_split：节点最小样本数，当节点中的样本数小于这个阈值时，停止分裂。这可以避免在样本数较少的节点上进行不必要的分裂。
min_samples_leaf：叶节点最小样本数，确保每个叶节点至少包含一定数量的样本。

3.2 后剪枝（Post-pruning）

后剪枝是在构建完整的树之后，自底向上合并叶节点，通过比较不同子树在验证集上的误差，选择误差最小的子树作为最终的模型。后剪枝可以在一定程度上提高模型的泛化能力，但计算成本较高。

在这里插入图片描述

4. 代码实战：天气温度预测

4.1 数据集与特征工程

import pandas as pd
from sklearn.model_selection import train_test_split# 示例数据集：天气温度预测（特征：湿度、风速、季节、气压）
data = pd.read_csv("weather_data.csv")
X = data[['Humidity', 'WindSpeed', 'Season', 'Pressure']]
y = data['Temperature']# 类别特征编码（Season为类别）
X = pd.get_dummies(X, columns=['Season'], drop_first=True)# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

4.2 模型训练与调参

from sklearn.tree import DecisionTreeRegressor
from sklearn.metrics import mean_squared_error, mean_absolute_error# 初始模型（未剪枝）
tree_full = DecisionTreeRegressor(random_state=42)
tree_full.fit(X_train, y_train)# 剪枝模型
tree_pruned = DecisionTreeRegressor(max_depth=3, min_samples_split=20,min_samples_leaf=10,random_state=42
)
tree_pruned.fit(X_train, y_train)# 评估
def evaluate(model):y_pred = model.predict(X_test)print(f"RMSE: {np.sqrt(mean_squared_error(y_test, y_pred)):.2f}")print(f"MAE: {mean_absolute_error(y_test, y_pred):.2f}")print("完整树:")
evaluate(tree_full)  # 输出示例：RMSE: 3.15, MAE: 2.10
print("\n剪枝树:")
evaluate(tree_pruned)  # 输出示例：RMSE: 2.73, MAE: 1.88

4.3 树结构可视化

from sklearn.tree import plot_tree
import matplotlib.pyplot as pltplt.figure(figsize=(20, 8))
plot_tree(tree_pruned, filled=True, feature_names=X.columns, rounded=True, fontsize=10)
plt.show()

在这里插入图片描述

5. 特征重要性分析

5.1 基于分裂增益的重要性

importance = tree_pruned.feature_importances_
features = X.columnsplt.barh(features, importance)
plt.xlabel("特征重要性")
plt.title("决策树特征重要性")
plt.show()

在这里插入图片描述

5.2 业务解读

湿度和气压是主要预测因子，符合气象学常识。湿度和气压的变化通常与温度密切相关，较高的湿度可能会抑制热量的散发，从而导致温度升高；而气压的变化也会影响大气的稳定性和热量的传递。
季节通过get_dummies编码后重要性较低，可能与数据地域性有关。不同地区的气候条件和季节变化存在差异，数据集中的季节特征可能无法充分反映这种差异，导致其重要性相对较低。

6. 决策树的优缺点

6.1 优点

无需数据预处理：决策树可以自动处理缺失值和类别特征，无需进行复杂的数据预处理步骤。例如，在处理含有缺失值的数据时，决策树可以根据其他特征的值来选择合适的分支，而对于类别特征，决策树可以直接处理而无需进行编码转换。
可解释性强：决策树的树结构可以转化为业务规则，这使得模型的决策过程易于理解和解释。例如，在金融风控中，我们可以将决策树的规则转化为具体的风险评估标准，帮助业务人员进行决策。
高效训练：决策树的训练时间复杂度约为 ( O(n \log n) )，在处理大规模数据时具有较高的效率。