1 为什么要剪枝
1.1 图形描述
- 横轴表示在决策树创建过程中树的结点总数
- 纵轴表示决策树的预测精度
- 实线显示的是决策树在训练集上的精度
- 虚线显示的则是在一个独立的测试集上测量出来的精度
- 随着树的增长,在训练样集上的精度是单调上升的, 然而在独立的测试样例上测出的精度先上升后下降。
1.2 出现这种情况的原因
- 原因1:噪声、样本冲突,即错误的样本数据。
- 原因2:特征即属性不能完全作为分类标准。
- 原因3:巧合的规律性,数据量不够大。
2 常用的减枝方法
2.1 预剪枝
- 在构建树的过程中,同时剪枝
- 限制节点最小样本数
- 指定数据高度
- 指定熵值的最小值
2.2 后剪枝
- 后剪枝,在已生成过拟合决策树上进行剪枝,可以得到简化版的剪枝决策树。