编辑导语：在这个大数据时代，数据对付各行各业的重要性不问可知，因此有越来越多的企业开始重视而且运用数据阐明。数据阐明的要领有许多种，本日，本文作者为我们先容了决定树模子的阐明要领，让我们一起来看看如何用决定树模子做数据阐明吧。

在日常事情中，许多时候城市用到数据阐明的要领，决定树模子看起来很是简朴，但实际上它的十分重要；本文作者分享了关于如何用决定树模子做数据阐明的要领，我们一起来进修一下。

一、什么是决定树？

决定树模子本质是一颗由多个判定节点构成的树。在树的每个节点做参数判定，进而在树的最末枝(叶结点)可以或许对所体贴变量的取值作出更佳判定。

凡是，一棵决定树包括一个根结点，若干内部节点和若干叶结点，叶结点对应决定分类功效。分支做判定，叶子下结论。

我们看一个简朴的决定树的模子，通过动物的一些特点来判定它是否是鱼类，在决定树模子中，我们来看每一个节点是如何做判定的。

我们将所有要研究的动物作为树最上端的起点，对它举办之一个判定，是否能离开水保留？

假如判定为是的话，它不是鱼类；假如为否的话，我们还要再举办下一个判定，是否有脚蹼？假如是的话，它就长短鱼类，假如否的话就是鱼类。

我们仅仅是通过最多两个条理的判定，在树最结尾的叶子结点，可以对我们感乐趣的问题给出了一个相对而言的更佳决定。这个就是决定树的逻辑，很是简朴且和人脑领略事物的逻辑很雷同。

决定树是一种简朴高效而且具有强表明性的模子，遍及应用于数据阐明规模。

简朴：逻辑相对简朴，整个算法没有更巨大的逻辑，只是对节点举办分叉；

高效：模子练习速度较快；

强表明性：模子的判定逻辑可以用语言清晰的表达出来，好比上述决定树案例中的判定，就可以直接用语言表述成：离开水不能保留的没有脚蹼的动物，我们判定它是鱼。

决定树模子应用于数据阐明的场景主要有三种：

监视分层；

驱动力阐明：某个因变量指标受多个因素所影响，阐明差异因素对因变量驱动力的强弱（驱动力指相关性，不是因果性）；

预测：按照模子举办分类的预测。

二、熵是什么？

熵是描写判定的不确定性，大大都决定树的最终判定，并不是100%精确，决定树只是基于不确定性，作出更优的判定。

好比上述决定树案例，我们判定离开水依然可以保留的是“非鱼类”。可是有一种非凡的鱼叫做非洲肺鱼，它离开水后依然可以存活4年之久。

固然不是100%正确，我们在这个叶结点做出非鱼类的判定，是因为所有离开水依然可以保留的动物里，有很是大部门都不是鱼。

这个判定有很大大概性是正确的，但判定依然存在着一些不确定性。

那么不确定性指的是什么呢？

如下图，女生占比为50%，具有更大的不确定性；女生占比0%可能100%，则具备最小的不确定性。女生占比30%，具有中等不确定性；假如女性占比为70%的话，我们这个时候揣摩是女性，堕落大概性是1-70%，即30%，和方才的环境沟通。

也就是说，10小我私家中女性占比为30%，或是70%，我们固然给出的判定差异，可是两个判定堕落的大概性是一样的，都是30%；

图：在10小我私家中，判定随机挑选出来一小我私家，性别是男照旧女

假如实验利用一个统计量E来暗示不确定性的话，而且划定E的取值在0和1之间。

他和人群中女性的占比应该满意这样一条曲线的干系，当女性占比为0可能100%的时候，举办判定的不确定性最小；E取最小值0当女性占比为50%的时候，判定的不确定性更大，E取更大值1；当女性占比取0到50%，可能50%到100%之间的值的时候，E的取值介于0到1之间。

而且取值相对女性占比50%是对称的。熵等于用来描写以上这种不确定性，它的数学表达式为：