调频96.8有一种游戏：游戏中，出题者写下一件东西，其他人需要猜出这件东西是什么。当然，如果游戏规则仅此而已的话，几乎是无法猜出来的，因为问题的规模太大了。为了降低游戏的难度，答题者可以向出题者问问题，而出题者必须准确回答是或者否，答题者依据回答提出下一个问题，如果能够在指定次数内确定谜底，即为胜出。
我们先实验一下，现在我已经写下了一个物体，而你和我的问答记录如下：
-
是男的吗？Y
-
是亚洲人吗？Y
-
是中国人吗？N
-
是印度人吗？Y
-
……
在上面的游戏中，我们针对性的提出问题，每一个问题都可以将我们的答案范围缩小，在提问中和回答者有相同知识背景的前提下，得出答案的难度比我们想象的要小很多。
在每一个节点，依据问题答案，可以将答案划分为左右两个分支，左分支代表的是Yes，右分支代表的是No，虽然为了简化，我们只画出了其中的一条路径，但是也可以明显看出这是一个树形结构，这便是决策树的原型。
决策树算法
我们面对的样本通常具有很多个特征，正所谓对事物的判断不能只从一个角度，那如何结合不同的特征呢？决策树算法的思想是，先从一个特征入手，就如同我们上面的游戏中一样，既然无法直接分类，那就先根据一个特征进行分类，虽然分类结果达不到理想效果，但是通过这次分类，我们的问题规模变小了，同时分类后的子集相比原来的样本集更加易于分类了。然后针对上一次分类后的样本子集，重复这个过程。在理想的情况下，经过多层的决策分类，我们将得到完全纯净的子集，也就是每一个子集中的样本都属于同一个分类。 由这个分类的过程形成一个树形的判决模型，树的每一个非叶子节点都是一个特征分割点，叶子节点是最终的决策分类。
上面我们介绍决策树算法的思想，可以简单归纳为如下两点：
-
每次选择其中一个特征对样本集进行分类
-
对分类后的子集递归进行步骤1
在第一个步骤中，我们需要考虑的一个最重要的策略是，选取什么样的特征可以实现最好的分类效果，而所谓的分类效果好坏，必然也需要一个评价的指标。
直观来说就是集合中样本所属类别比较集中，最理想的是样本都属于同一个分类。样本集的纯度可以用熵来进行衡量。
在信息论中，熵代表了一个系统的混乱程度，熵越大，说明我们的数据集纯度越低，当我们的数据集都是同一个类别的时候，熵为0，熵的计算公式如下：
其中，P(xi)表示概率，b在此处取2。比如抛硬币的时候，正面的概率就是1/2，反面的概率也是1/2，那么这个过程的熵为：
可见，由于抛硬币是一个完全随机事件，其结果正面和反面是等概率的，所以具有很高的熵。
假如我们观察的是硬币最终飞行的方向，那么硬币最后往下落的概率是1，往天上飞的概率是0，带入上面的公式中，可以得到这个过程的熵为0，所以，熵越小，结果的可预测性就越强。在决策树的生成过程中，我们的目标就是要划分后的子集中其熵最小，这样后续的的迭代中，就更容易对其进行分类。
既然是递归过程，那么就需要制定递归的停止规则。
在两种情况下我们停止进一步对子集进行划分，其一是划分已经达到可以理想效果了，另外一种就是进一步划分收效甚微，不值得再继续了。
用专业术语总结终止条件有以下几个：
-
子集的熵达到阈值
-
子集规模够小
-
进一步划分的增益小于阈值
其中，条件3中的增益代表的是一次划分对数据纯度的提升效果，也就是划分以后，熵减少越多，说明增益越大，那么这次划分也就越有价值，增益的计算公式如下：
上述公式可以理解为：计算这次划分之后两个子集的熵之和相对划分之前的熵减少了多少，需要注意的是，计算子集的熵之和需要乘上各个子集的权重，权重的计算方法是子集的规模占分割前父集的比重，比如划分前熵为e，划分为子集A和B，大小分别为m和n，熵分别为e1和e2，那么增益就是e - m/(m + n) * e1 - n/(m + n) * e2。
决策树算法实现
有了上述概念，我们就可以开始开始决策树的训练了，训练过程分为：
-
选取特征，分割样本集
-
计算增益，如果增益够大，将分割后的样本集作为决策树的子节点，否则停止分割
-
递归执行上两步
上述步骤是依照ID3的算法思想（依据信息增益进行特征选取和分裂），除此之外还有C4.5以及CART等决策树算法。
class DecisionTree(object):
def fit(self, X, y):
# 依据输入样本生成决策树
self.root = self._build_tree(X, y)
def _build_tree(self, X, y, current_depth=0):
#1. 选取最佳分割特征，生成左右节点
#2. 针对左右节点递归生成子树
def predict_value(self, x, tree=None):
# 将输入样本传入决策树中，自顶向下进行判定
# 到达叶子节点即为预测值
在上述代码中，实现决策树的关键是递归构造子树的过程，为了实现这个过程，我们需要做好三件事：分别是节点的定义，最佳分割特征的选择，递归生成子树。
作者：ZPPenny
链接：http://www.jianshu.com/p/c4d0837e9439
來源：简书
总结
决策树是一种简单常用的分类器，通过训练好的决策树可以实现对未知的数据进行高效分类。
决策树模型具有较好的可读性和描述性，有助于辅助人工分析；
决策树的分类效率高，一次构建后可以反复使用，而且每一次预测的计算次数不超过决策树的深度。
决策树也有其缺点：
对于连续的特征，比较难以处理。
对于多分类问题，计算量和准确率都不理想。
在实际应用中，由于其最底层叶子节点是通过父节点中的单一规则生成的，所以通过手动修改样本特征比较容易欺骗分类器，比如在拦击邮件识别系统中，用户可能通过修改某一个关键特征，就可以骗过垃圾邮件识别系统。从实现上来讲，由于树的生成采用的是递归，随着样本规模的增大，计算量以及内存消耗会变得越来越大。
过拟合也是决策树面临的一个问题，完全训练的决策树(未进行剪纸，未限制Gain的阈值)能够100%准确地预测训练样本，因为其是对训练样本的完全拟合，但是，对与训练样本以外的样本，其预测效果可能会不理想，这就是过拟合。
解决决策树的过拟合，除了上文说到的通过设置Gain的阈值作为停止条件之外，通常还需要对决策树进行剪枝，常用的剪枝策略有
１.Pessimistic Error Pruning：悲观错误剪枝
２.Minimum Error Pruning：最小误差剪枝
３.Cost-Complexity Pruning：代价复杂剪枝
４. Error-Based Pruning：基于错误的剪枝，即对每一个节点，都用一组测试数据集进行测试，如果分裂之后，能够降低错误率，再继续分裂为两棵子树，否则直接作为叶子节点。
５. Critical Value Pruning：关键值剪枝，这就是上文中提到的设置Gain的阈值作为停止条件。
以最简单的方式展示了ID3决策树的实现方式，如果想要了解不同类型的决策树的差别，可以参考这个链接。
另外，关于各种机器学习算法的实现，强烈推荐参考Github仓库ML-From-Scratch，下载代码之后，通过pip install -r requirements.txt安装依赖库即可运行代码。
