机器学习#决策树#剪枝

Question

机器学习决策树，在构建决策树的过程中，在每一层级中，每个属性的取值都要标出吗？例如，在上一层级中划分就已经减少下一层级的属性的某个取值，那么这个减少的属性取值可以不列出来吗？

Answer 1

【以下回答由 GPT 生成】

决策树构建过程中不需要列出减少的属性取值。

决策树构建的目标是根据训练数据中的属性来预测目标变量的值。在构建决策树的过程中，每一次划分都是根据当前节点的属性取值情况进行的。如果某个属性在上一层级的划分中减少了取值，那么在下一层级中，只需将该属性的剩余取值作为候选划分属性即可。

具体解决方案如下：

1. 首先，确定决策树的构造算法，常见的有ID3、C4.5和CART算法。
2. 根据选择的算法，确定选择划分属性的准则，例如信息增益、信息增益率、基尼系数等。
3. 开始构建决策树，从根节点开始。
4. 对当前节点，计算每个属性的划分准则，并选择具有最高值的属性作为当前节点的划分属性。
5. 根据划分属性的不同取值，将训练样本划分为不同的子集，并为每个子集创建一个分支节点。
6. 对于每个子集，重复步骤4和步骤5，直到满足各种停止条件，例如叶节点中只包含一类样本或达到预定的树深度等。
7. 最终得到一个完成的决策树。

在上述过程中，每次划分都是基于当前节点的属性取值进行的，而不需要考虑上一层级中的属性取值情况。因此，不需要列出减少的属性取值。决策树的构建是一个逐层进行的过程，每一层只需要考虑当前节点的属性取值即可。

【相关推荐】

• 帮你找了个相似的问题, 你可以看下: https://ask.csdn.net/questions/7565106
• 这篇博客也不错, 你可以看下以下机器学习中，在数据预处理时，不需要考虑归一化处理的是
• 您还可以看一下 刘建萍老师的人工智能系列课程零基础讲解知识点和实例应用线性回归梯度下降逻辑回归课程中的 讲解机器学中会涉及到的有关数学方面的知识储备有哪些小节, 巩固相关知识点
  
• 除此之外, 这篇博客: 云计算大数据及人工智能简介中的 从无标记的训练数据中推断结论。其特点为输入数据（训练数据）不存在明确的标识或结果（标签）。常见的无监督学习为聚类，即发现隐藏的模式或者对数据进行分组。即计算机根据我们提供的材料“自动”学习，给定数据，寻找隐藏的结构或者模式 部分也许能够解决你的问题。

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^