决策树的熵是什么?怎么用熵来选分叉?

  统计/机器学习 监督式学习    浏览次数:6194        分享
1

经常看到说,根据熵什么什么,然后就选了某个特征来选分叉。熵到底是怎么来的?怎么利用它来决定分叉的呢?

 

道画师   2017-03-15 11:04



   1个回答 
4

熵是信息不确定度的度量,做分类,最后的目标是都分对类别,所以理想中,树的最下层叶节点如果够纯,其实没有不确定性,因此熵是0,而决策树就是要找到一条熵下降最快的路径。

所以选择这一层用哪个特征来分裂最好,其实就是看哪个特征能让熵下降的最多,让信息的不确定度因为有了这个特征而减少的最多。

SofaSofa数据科学社区DS面试题库 DS面经

crazy_lau   2017-09-20 17:32



  相关讨论

求问:Cart分类树为什么是基尼指数最小化准则

离散随机变量的熵满足的不等式如何证明?

softmax模型和最大熵模型是否是一回事?

为什么决策树中用熵而不是基尼不纯度来作为划分依据?

python里怎么计算一个数组的熵(entropy)?

cross entropy是什么意思?

Gini指数、Gini系数、Gini不纯是一回事吗?

pytorch 的交叉熵损失总是报错,同样的结构改成MSELoss就没有问题

最小描述长度和香农熵有什么关系?

keras里sparse_categorical_crossentropy和categorical_crossentropy什么不同?

  随便看看

sklearn中的predict_proba方法的返回值的意义

'numpy.ndarray' object has no attribute 'head'

怎么把pandas.DataFrame转成torch.tensor的格式?

把pandas.DataFrame中所有行全部随机排列

numpy里矩阵乘法matmul,@和dot的区别?