概念
树的回归和分类方法，这些方法主要根据分层和分割 的方式将预测变量空间划分为一系列简单区域。对某个给定待预测的观 测值，用它所属区域中训练集的平均值或众数对其进行预测。
基于树的方法简便且易于解释。但预测准确性通常较低。
如图所示，一共有5个人，我们根据年龄和性别进行判断，这个人是否喜欢打篮球。我们首先根据年龄是否大于15来判断是否喜欢打篮球。如上，判断出年龄大于15的都不喜欢打篮球，年龄小于15的可能喜欢打篮球。第一次划分，左边的数据集还具有不确定性，因此，我们再次根据性别进行划分，直到叶子节点的数据集的纯度较高时，停止划分。如上的树就是一棵决策树，决策之意，就是我们在每个分支节点上都定义了一个决策属性（age、is male)。使用方法：我们只需要将数据集中的每一个样本从上往下依次去走，直至到达叶子节点，来求得其预测值。
真正的叶子节点的数据集的预测值往往达不到纯度（预测值数据占此叶子节点数据集的百分比）为100%，假设响应变量（是否打篮球）为定性变量，那么其响应值就是叶子节点数据集中出现次数最多的响应值，我们假设爷爷奶奶不喜欢打篮球，他妈妈喜欢打篮球，那么此叶子节点其响应值就是不喜欢打篮球。假设响应变量为定量变量（连续的数值类型），那么其响应值就是此叶子节点所有响应值的加权平均数。
决策树，为什么要先用age决策呢，决策树如何建立的呢？
接下来，我讲一讲决策树的训练阶段。如何从给定的数据集中构造出一棵决策树？
如上图，假设这是一个人要去见约会对象了，我们将根据约会对象的年龄、长相、收入、是否是公务员来预测其去不去见他的约会对象。首先看年龄，其次看长相，再其次看收入……，决策的先后代表其重要的程度。
熵 ：描述一个子数据集的纯度指标。pi代表的是第i个响应值在叶子数据集中所占的比例，一共有n种响应值。从以下的公式，我们能够的出，如果一个数据集的纯度越高，其熵值就会越低，反之，越高。
基尼系数： 描述一个子数据集的纯度指标。，如果一个数据集的纯度越高，其基尼系数值就会越低，反之，越高。
到底谁来当根节点，这个是由计算机内部计算出来的。
构造决策树的基本思想：随着树深度的增加，节点的熵值迅速的降低熵值降低的越快越好，这样就能得到一颗高度最矮的决策树。
下面通过一个例子，来介绍决策树的构造过程。
预测变量为：outlook（天气）、temperature（温度）、humidity（湿度）、windy（是否有风）。
响应变量：是否出去玩（play）
构造决策树：谁来当根节点？我们的得到如下的四种划分。
上面说过了，决策树的构造是根据随着树深度的增加，节点的熵值迅速的降低熵值降低的越快越好。那么这四种划分，那种的熵值降低的幅度最大呢？原有数据集的熵值如下公式计算出来。
首先呢，若选择outlook作为根节点，首次划分之后，其熵值为多少呢？
outlook一共有14个样本
outlook=sunny时，5个样本，2/5的概率打球，3/5的概率不打球。entropy=0.971
outlook=overcast时，4个样本，entropy = 0
outlook=rainy时，5个样本，entropy= 0.971.
其熵值为：5/14 x 0.971 + 4/14 x 0 + 5/14 x 0.971 = 0.693。
如此，系统熵就从0.940降到了0.693.信息增益为 0.940 - 0.693 = 0.247
同样的temperature 信息增益为0.029，humidity 信息增益为0.152，windy 信息增益为0.048.
谁的信息增益大，取那个特征做决策，递归的其左右孩子皆为如此。
接下来，介绍一下一种算法叫做ID3算法，决策树传统的算法，他就是利用信息增益来构建决策树。
信息增益看起来很好，但其实他是存在一些问题的。它存在一些异常现象。
假设，我们考虑这样一个特征，他呢，有很多个值，每一个属性值内部的样本数量又非常少，极端情况下，其每一个属性值内部只有一个样本，那么其熵值就会为0，但是，这样的特征真的就好吗。答案是否定的。采用信息增益作为判定方法，会倾向于去选择属性取值比较多的属性。那么，选择取值多的属性为什么就不好了呢？举个比较极端的例子，如果将身份证号作为一个属性，那么，其实每个人的身份证号都是不相同的，也就是说，有多少个人，就有多少种取值，它的取值很多吧，让我们继续看，如果用身份证号这个属性去划分原数据集D，那么，原数据集D中有多少个样本，就会被划分为多少个子集，每个子集只有一个人，这种极端情况下，因为一个人只可能属于一种类别，好人，或者坏人，那么此时每个子集的信息熵就是0了，就是说此时每个子集都特别纯。信息增益计算出来的特别大，然后决策树会用身份证号这个属性来划分原数据集D，其实这种划分毫无意义。
所以，后人提出了对于ID3的改进算法：C4.5，他是基于信息增益率来构造决策树的。
信息增益率：一个决策的信息增益/属性的熵值
比如身份证的例子，身份证属性的熵值就很大，因为其属性值很多，纯度很低。身份证的熵值虽然大但是除以属性的熵值之后就会变小，也就是其信息增益率就会很小。
如何评价一棵决策树的预测效果呢，到底这颗树的效果如何呢？
在此，我们引入评价函数
N代表当前叶子节点数据集的样本数量，H代表当前叶子节点的熵值。
树的减枝。一个决策树预测好了之后，如果不进行减枝很可能会出现过拟合的现象发生，也就是说，他能很好的拟合训练集，但是测试集的运行效果并不是很好，这主要在于这棵树太过于庞大，有太多的分支，也可能是受到了训练集上一些异常值的影响。
我们可以进行两种减枝操作：
预剪枝：在构建决策树的过程中，提前停止。比如，决策度的深度、或者某个叶子节点数据集样本数到某个数值时就进行停止。
后剪枝：决策树构建好了后，然后才开始减枝。我们将评价函数作如下改变， T代表叶子节点的个数。
图中的a值用来，作为一个调整参数。
我们利用评价函数，对树中的分支节点进行评价，根据评价函数值进行决定要不要进行减枝。
随机森林：通俗的讲就是我们将训练集中部分数据进行10次有放回的随机抽样得到十个训练集，然后就能在十个训练集上得到十棵决策树，构造决策树的时候，选择特征（天气、温度……）时，每棵树只抽取部分特征。使用的时候，用十棵决策树共同来做出决定，比如同一个预测变量值，六棵树预测为蓝色，4棵为红色，其最终预测值就是蓝色。
