欢迎来到魔据教育大数据学院,专注大数据工程师培养!
当前位置:首页 > 学习资料 > 讲师博文 > C4.5是什么,看大拿怎么说

C4.5是什么,看大拿怎么说

时间:2017-08-17 16:57:47作者:白雪

          C4.5是机器学习算法中的另一个分类决策树算法,它是基于ID3算法进行改进后的一种重要算法,相比于ID3算法,改进有如下几个要点:

 
用信息增益率来选择属性。ID3选择属性用的是子树的信息增益,这里可以用很多方法来定义信息,ID3使用的是熵(entropy, 熵是一种不纯度度量准则),也就是熵的变化值,而C4.5用的是信息增益率。
在决策树构造过程中进行剪枝,因为某些具有很少元素的结点可能会使构造的决策树过适应(Overfitting),如果不考虑这些结点可能会更好。
对非离散数据也能处理。
能够对不完整数据进行处理。
C4.5使用称作增益率(gain ratio)的信息增益扩充。分裂公式如下:

1-公式1.jpg

1-公式2.jpg

GainRatio(A)代表增益率。选择具有最大增益率的属性作为分裂属性。

那么下面来看信息增益存在的一个问题:假设某个属性存在大量的不同值,如ID编号(在上面例子中加一列为ID,编号为a~n),在划分时将每个值成为一个结点。这就会出现一些问题,我们因此引入了信息增益率的概念

信息增益率是怎么计算的呢?

是通过熵/信息增益得到的

gainratio(Attribute)=fracgain(Attribute)IntrinsicInfo(Attribute)

gainratio(IDCode)=frac0.940bits3.807bits=0.246

1-1.jpg

类别信息熵

1-2.jpg

上述数据集有四个属性,属性集合A={ 天气,温度,湿度,风速}, 类别标签有两个,类别集合L={进行,取消}。

计算每个属性的信息熵

1-3.jpg

信息增益

1-4.jpg

信息增益的 = 熵 - 条件熵

信息增益率:

1-5.jpg

 1-6.jpg

1. 计算类别信息熵

1-7.jpg

2. 计算每个属性的信息熵

 

1-8.jpg

3. 计算信息增益

1-9.jpg

4.计算属性分裂信息度量
1-10.jpg

5. 计算信息增益率

风速属性的信息增益率最高,所以选择风速作为分裂结点,分裂之后,发现子结点都是纯的,因此子节点均为叶子节点,分裂结束。

1-11.jpg

 


更多大数据相关资讯敬请关注魔据教育,为您分享最及时的大数据资讯。
学习大数据敬请关注魔据教育微信二维码。
魔据教育微信二维码

【版权与免责声明】如发现内容存在版权问题,烦请提供相关信息发邮件至kefu@mojuedu.com,我们将及时沟通与处理。本站内容除非来源注明魔据教育,否则均为网友转载,涉及言论、版权与本站无关。

全国咨询热线:18501996998,值班手机:18501996998(7*24小时)

在线咨询:张老师QQ 320169340

企业合作服务专线:010-82340234-821, 院校合作洽谈专线:010-82340234

Copyright 2001-2019 魔据教育 - 北京华育兴业科技有限公司 版权所有,京ICP备17018991号-2

免费在线咨询立即咨询

免费索取技术资料立即索取

大数据技术交流QQ:226594285

电话咨询010-82340234