chinesefreesexvideos高潮,欧美极品少妇性运交,久久久国产一区二区三区,99久久婷婷国产综合精品,成人国产一区二区三区

APP推廣合作
聯(lián)系“鳥哥筆記小喬”
如何用決策樹模型做數(shù)據(jù)分析?
2020-12-08 10:16:24



 什么是決策樹?

決策樹模型本質(zhì)是一顆由多個(gè)判斷節(jié)點(diǎn)組成的樹。在樹的每個(gè)節(jié)點(diǎn)做參數(shù)判斷,進(jìn)而在樹的最末枝(葉結(jié)點(diǎn))能夠?qū)λP(guān)心變量的取值作出最佳判斷。通常,一棵決策樹包含一個(gè)根結(jié)點(diǎn),若干內(nèi)部節(jié)點(diǎn)和若干葉結(jié)點(diǎn),葉結(jié)點(diǎn)對應(yīng)決策分類結(jié)果。分支做判斷,葉子下結(jié)論
 
我們看一個(gè)簡單的決策樹的模型,通過動(dòng)物的一些特點(diǎn)來判斷它是否是魚類,在決策樹模型中,我們來看每一個(gè)節(jié)點(diǎn)是如何做判斷的。我們將所有要研究的動(dòng)物作為樹最上端的起點(diǎn),對它進(jìn)行第一個(gè)判斷,是否能脫離水生存?如果判斷為是的話,它不是魚類。如果為否的話,我們還要再進(jìn)行下一個(gè)判斷,是否有腳蹼?如果是的話,它就是非魚類,如果否的話就是魚類。

我們僅僅是通過最多兩個(gè)層次的判斷,在樹最末端的葉子結(jié)點(diǎn),可以對我們感興趣的問題給出了一個(gè)相對而言的最佳決策。這個(gè)就是決策樹的邏輯,非常簡單且和人腦理解事物的邏輯很類似。

決策樹是一種簡單高效并且具有強(qiáng)解釋性的模型,廣泛應(yīng)用于數(shù)據(jù)分析領(lǐng)域。


  • 簡單:邏輯相對簡單,整個(gè)算法沒有更復(fù)雜的邏輯,只是對節(jié)點(diǎn)進(jìn)行分叉;
  • 高效:模型訓(xùn)練速度較快;
  • 強(qiáng)解釋性:模型的判斷邏輯可以用語言清晰的表達(dá)出來,比如上述決策樹案例中的判斷,就可以直接用語言表述成:脫離水不能生存的沒有腳蹼的動(dòng)物,我們判斷它是魚;


 
決策樹模型應(yīng)用于數(shù)據(jù)分析的場景主要有三種:


  • 監(jiān)督分層;
  • 驅(qū)動(dòng)力分析:某個(gè)因變量指標(biāo)受多個(gè)因素所影響,分析不同因素對因變量驅(qū)動(dòng)力的強(qiáng)弱(驅(qū)動(dòng)力指相關(guān)性,不是因果性);
  • 預(yù)測:根據(jù)模型進(jìn)行分類的預(yù)測;


 


熵是什么?


熵是描述判斷的不確定性,大多數(shù)決策樹的最終判斷,并不是100%準(zhǔn)確,決策樹只是基于不確定性,作出最優(yōu)的判斷。
 
比如上述決策樹案例,我們判斷脫離水依然可以生存的是“非魚類”。但是有一種特殊的魚叫做非洲肺魚,它脫離水后依然可以存活4年之久。雖然不是100%正確,我們在這個(gè)葉結(jié)點(diǎn)做出非魚類的判斷,是因?yàn)樗忻撾x水依然可以生存的動(dòng)物里,有非常大部分都不是魚。雖然這個(gè)判斷有很大可能性是正確的,但判斷依然存在著一些不確定性。
 
那么不確定性指的是什么呢?如下圖,女生占比為50%,具有最大的不確定性;女生占比0%或者100%,則具備最小的不確定性。女生占比30%,具有中等不確定性;如果女性占比為70%的話,我們這個(gè)時(shí)候猜測是女性,出錯(cuò)可能性是1-70%,即30%,和剛剛的情況相同。也就是說,10個(gè)人中女性占比為30%,或是70%,我們雖然給出的判斷不同,但是兩個(gè)判斷出錯(cuò)的可能性是一樣的,都是30%;
圖:在10個(gè)人中,判斷隨機(jī)挑選出來一個(gè)人,性別是男還是女 
 
如果嘗試使用一個(gè)統(tǒng)計(jì)量E來表示不確定性的話,并且規(guī)定E的取值在0和1之間。他和人群中女性的占比應(yīng)該滿足這樣一條曲線的關(guān)系,當(dāng)女性占比為0或者100%的時(shí)候,進(jìn)行判斷的不確定性最小;E取最小值0當(dāng)女性占比為50%的時(shí)候,判斷的不確定性最大,E取最大值1;當(dāng)女性占比取0到50%,或者50%到100%之間的值的時(shí)候,E的取值介于0到1之間。并且取值相對女性占比50%是對稱的。
 
熵即是用來描述以上這種不確定性,它的數(shù)學(xué)表達(dá)式為:

Pi含義:對于事件,有c種可能的結(jié)果,每一種可能結(jié)果的概率為P1、P2…Pc;
熵的取值在0-1之間;一個(gè)判斷的不確定性越大,熵越大;
 


信息增益


信息增益表示經(jīng)過一次決策判斷(分叉)后,人群熵值下降的大小,即母節(jié)點(diǎn)的熵與兩個(gè)子節(jié)點(diǎn)熵值和的差值。


如上圖,信息增益(IG) = 0.5842 - ( 38% * 0.9507 + 62 * 0 )=0.22
 



決策樹算法實(shí)現(xiàn)步驟


我們繼續(xù)用上一篇文章《如何用線性回歸模型做數(shù)據(jù)分析》中的共享單車服務(wù)滿意分?jǐn)?shù)據(jù)集來做案例,分析哪一類人群更加偏向于成為公司的推薦者,我們需要分析用戶特征,更好的區(qū)分出推薦者。


 
4.1測量節(jié)點(diǎn)對應(yīng)人群的熵
 
決策樹模型的第一步,是測量每個(gè)節(jié)點(diǎn)對應(yīng)人群的熵值,最終我們得到可以判斷推薦者的決策樹。如下圖,每個(gè)節(jié)點(diǎn)中標(biāo)注兩個(gè)數(shù)字,上面是推薦者比例,下面是用戶群占比。初始節(jié)點(diǎn)的推薦者比例為0.14,再?zèng)]任何分叉前,人群占比100%。我們用熵來度量每個(gè)節(jié)點(diǎn)對應(yīng)人群的不確定性,推薦者比例趨近0%和100%的人群,熵的值也趨近于0,推薦者比例趨近50%的人群,熵的值則趨近于1。
 
在這個(gè)案例中,我們想知道哪一類人更加偏向成為公司的推薦者,也就是說,我們希望通過決策樹,可以盡量地劃分出是或者不是推薦者這個(gè)事情最為確定的人群。如果這樣的人群在樹的最終結(jié)點(diǎn)、也就是葉子結(jié)點(diǎn)可以被很好地劃分出來的話,那么葉子結(jié)點(diǎn)所對應(yīng)的人群的特征,就是推薦者或者非推薦者的典型特征。
 
反應(yīng)在人群的熵值計(jì)算,更大的確定性對應(yīng)于比較小的熵值。我們實(shí)際上是希望通過決策樹不斷地分叉,使得節(jié)點(diǎn)的熵值越來越低,用戶的label越來越純。
  
 
 4.2節(jié)點(diǎn)的分叉-信息增益

我們使用信息增益(IG)來判斷決策樹的分叉方式。
節(jié)點(diǎn)分叉規(guī)則:在每個(gè)節(jié)點(diǎn)嘗試按照不同特征變量的各種分組方式,選取信息增益最大(熵最?。┑姆绞健?/section>

 4.3在特定情況樹節(jié)點(diǎn)停止分叉
 
決策樹不會(huì)一直不停分叉,決策樹停止分叉的條件通常有:


  • 樹的深度 — 如規(guī)定樹的深度不能超過3

  • 葉子結(jié)點(diǎn)樣本數(shù) — 如葉子結(jié)點(diǎn)樣本數(shù)不能小于10

  • 信息增益 — 如每一個(gè)分叉的信息增益不能小于0.2(R中的默認(rèn)值)



停止分叉:再分叉會(huì)增加復(fù)雜度但是效果沒有提高,葉子越多越復(fù)雜,會(huì)加重解釋復(fù)雜性。


決策樹在數(shù)據(jù)分析中的實(shí)戰(zhàn)流程


我們了解了決策樹模型的算法原理,那么它如何應(yīng)用在日常的數(shù)據(jù)分析工作中呢?
繼續(xù)我們剛才的案例,我們想探究分析用戶推薦程度的主要影響因素是什么?可以用決策樹模型將用戶按照推薦者比例高低進(jìn)行分層。
 
一百條數(shù)據(jù),由公司員工隨機(jī)采訪100名用戶產(chǎn)生,采訪對象是北京市四個(gè)城區(qū)(西城區(qū)、東城區(qū)、海淀區(qū)、朝陽區(qū))的居民,組別分為實(shí)驗(yàn)組和對照組。

 5.1導(dǎo)入數(shù)據(jù)集
5.2切割自變量和因變量


5.3將分類變量轉(zhuǎn)換為啞變量
Python大多數(shù)算法模型無法直接輸入分類變量

5.4訓(xùn)練模型


圈出葉子點(diǎn)-最終劃分出的人群分層


 5.5分析結(jié)果

通過人群特征取值的判斷,1、我們劃分出了推薦者比例有顯著區(qū)別的人群2、找出了區(qū)分推薦者人群的關(guān)鍵特征,例如:海淀區(qū)用戶、29歲及以上等
 ‘
5.6決策樹擴(kuò)展


  • 模型建立后,可以將模型用作分類預(yù)測;
  • 決策樹不只可應(yīng)用于預(yù)測量為分類變量,還可應(yīng)用于數(shù)值型因變量,只需將熵改為連續(xù)變量的方差;
  • 特征劃分的方法除了信息增益方法外,還可以用增益率(**.5決策樹)、基尼指數(shù)(CART決策樹);
  • 剪枝是決策樹算法中防止過擬合的主要手段,分為預(yù)剪枝與后剪枝。預(yù)剪枝指在決策樹生成過程中,對每個(gè)結(jié)點(diǎn)在劃分前進(jìn)行估計(jì),若當(dāng)前結(jié)點(diǎn)劃分不能使決策樹泛化能力提升則停止劃分。后剪枝指先從訓(xùn)練集生成一顆決策樹,自底向上對非葉結(jié)點(diǎn)進(jìn)行考察,若該結(jié)點(diǎn)對應(yīng)的子樹替換為葉結(jié)點(diǎn)能使決策樹泛化能力提升,則該子樹替換為葉結(jié)點(diǎn);
大洛同學(xué)
分享到朋友圈
收藏
收藏
評分

綜合評分:

我的評分
Xinstall 15天會(huì)員特權(quán)
Xinstall是專業(yè)的數(shù)據(jù)分析服務(wù)商,幫企業(yè)追蹤渠道安裝來源、裂變拉新統(tǒng)計(jì)、廣告流量指導(dǎo)等,廣泛應(yīng)用于廣告效果統(tǒng)計(jì)、APP地推與CPS/CPA歸屬統(tǒng)計(jì)等方面。
20羽毛
立即兌換
一書一課30天會(huì)員體驗(yàn)卡
領(lǐng)30天VIP會(huì)員,110+門職場大課,250+本精讀好書免費(fèi)學(xué)!助你提升職場力!
20羽毛
立即兌換
順豐同城急送全國通用20元優(yōu)惠券
順豐同城急送是順豐推出的平均1小時(shí)送全城的即時(shí)快送服務(wù),專業(yè)安全,準(zhǔn)時(shí)送達(dá)!
30羽毛
立即兌換
大洛同學(xué)
大洛同學(xué)
發(fā)表文章41
互聯(lián)網(wǎng)行業(yè),短視頻/直播業(yè)務(wù)高級數(shù)據(jù)分析師
確認(rèn)要消耗 0羽毛購買
如何用決策樹模型做數(shù)據(jù)分析?嗎?
考慮一下
很遺憾,羽毛不足
我知道了

我們致力于提供一個(gè)高質(zhì)量內(nèi)容的交流平臺(tái)。為落實(shí)國家互聯(lián)網(wǎng)信息辦公室“依法管網(wǎng)、依法辦網(wǎng)、依法上網(wǎng)”的要求,為完善跟帖評論自律管理,為了保護(hù)用戶創(chuàng)造的內(nèi)容、維護(hù)開放、真實(shí)、專業(yè)的平臺(tái)氛圍,我們團(tuán)隊(duì)將依據(jù)本公約中的條款對注冊用戶和發(fā)布在本平臺(tái)的內(nèi)容進(jìn)行管理。平臺(tái)鼓勵(lì)用戶創(chuàng)作、發(fā)布優(yōu)質(zhì)內(nèi)容,同時(shí)也將采取必要措施管理違法、侵權(quán)或有其他不良影響的網(wǎng)絡(luò)信息。


一、根據(jù)《網(wǎng)絡(luò)信息內(nèi)容生態(tài)治理規(guī)定》《中華人民共和國未成年人保護(hù)法》等法律法規(guī),對以下違法、不良信息或存在危害的行為進(jìn)行處理。
1. 違反法律法規(guī)的信息,主要表現(xiàn)為:
    1)反對憲法所確定的基本原則;
    2)危害國家安全,泄露國家秘密,顛覆國家政權(quán),破壞國家統(tǒng)一,損害國家榮譽(yù)和利益;
    3)侮辱、濫用英烈形象,歪曲、丑化、褻瀆、否定英雄烈士事跡和精神,以侮辱、誹謗或者其他方式侵害英雄烈士的姓名、肖像、名譽(yù)、榮譽(yù);
    4)宣揚(yáng)恐怖主義、極端主義或者煽動(dòng)實(shí)施恐怖活動(dòng)、極端主義活動(dòng);
    5)煽動(dòng)民族仇恨、民族歧視,破壞民族團(tuán)結(jié);
    6)破壞國家宗教政策,宣揚(yáng)邪教和封建迷信;
    7)散布謠言,擾亂社會(huì)秩序,破壞社會(huì)穩(wěn)定;
    8)宣揚(yáng)淫穢、色情、賭博、暴力、兇殺、恐怖或者教唆犯罪;
    9)煽動(dòng)非法集會(huì)、結(jié)社、游行、示威、聚眾擾亂社會(huì)秩序;
    10)侮辱或者誹謗他人,侵害他人名譽(yù)、隱私和其他合法權(quán)益;
    11)通過網(wǎng)絡(luò)以文字、圖片、音視頻等形式,對未成年人實(shí)施侮辱、誹謗、威脅或者惡意損害未成年人形象進(jìn)行網(wǎng)絡(luò)欺凌的;
    12)危害未成年人身心健康的;
    13)含有法律、行政法規(guī)禁止的其他內(nèi)容;


2. 不友善:不尊重用戶及其所貢獻(xiàn)內(nèi)容的信息或行為。主要表現(xiàn)為:
    1)輕蔑:貶低、輕視他人及其勞動(dòng)成果;
    2)誹謗:捏造、散布虛假事實(shí),損害他人名譽(yù);
    3)嘲諷:以比喻、夸張、侮辱性的手法對他人或其行為進(jìn)行揭露或描述,以此來激怒他人;
    4)挑釁:以不友好的方式激怒他人,意圖使對方對自己的言論作出回應(yīng),蓄意制造事端;
    5)羞辱:貶低他人的能力、行為、生理或身份特征,讓對方難堪;
    6)謾罵:以不文明的語言對他人進(jìn)行負(fù)面評價(jià);
    7)歧視:煽動(dòng)人群歧視、地域歧視等,針對他人的民族、種族、宗教、性取向、性別、年齡、地域、生理特征等身份或者歸類的攻擊;
    8)威脅:許諾以不良的后果來迫使他人服從自己的意志;


3. 發(fā)布垃圾廣告信息:以推廣曝光為目的,發(fā)布影響用戶體驗(yàn)、擾亂本網(wǎng)站秩序的內(nèi)容,或進(jìn)行相關(guān)行為。主要表現(xiàn)為:
    1)多次發(fā)布包含售賣產(chǎn)品、提供服務(wù)、宣傳推廣內(nèi)容的垃圾廣告。包括但不限于以下幾種形式:
    2)單個(gè)帳號多次發(fā)布包含垃圾廣告的內(nèi)容;
    3)多個(gè)廣告帳號互相配合發(fā)布、傳播包含垃圾廣告的內(nèi)容;
    4)多次發(fā)布包含欺騙性外鏈的內(nèi)容,如未注明的淘寶客鏈接、跳轉(zhuǎn)網(wǎng)站等,誘騙用戶點(diǎn)擊鏈接
    5)發(fā)布大量包含推廣鏈接、產(chǎn)品、品牌等內(nèi)容獲取搜索引擎中的不正當(dāng)曝光;
    6)購買或出售帳號之間虛假地互動(dòng),發(fā)布干擾網(wǎng)站秩序的推廣內(nèi)容及相關(guān)交易。
    7)發(fā)布包含欺騙性的惡意營銷內(nèi)容,如通過偽造經(jīng)歷、冒充他人等方式進(jìn)行惡意營銷;
    8)使用特殊符號、圖片等方式規(guī)避垃圾廣告內(nèi)容審核的廣告內(nèi)容。


4. 色情低俗信息,主要表現(xiàn)為:
    1)包含自己或他人性經(jīng)驗(yàn)的細(xì)節(jié)描述或露骨的感受描述;
    2)涉及色情段子、兩性笑話的低俗內(nèi)容;
    3)配圖、頭圖中包含庸俗或挑逗性圖片的內(nèi)容;
    4)帶有性暗示、性挑逗等易使人產(chǎn)生性聯(lián)想;
    5)展現(xiàn)血腥、驚悚、殘忍等致人身心不適;
    6)炒作緋聞、丑聞、劣跡等;
    7)宣揚(yáng)低俗、庸俗、媚俗內(nèi)容。


5. 不實(shí)信息,主要表現(xiàn)為:
    1)可能存在事實(shí)性錯(cuò)誤或者造謠等內(nèi)容;
    2)存在事實(shí)夸大、偽造虛假經(jīng)歷等誤導(dǎo)他人的內(nèi)容;
    3)偽造身份、冒充他人,通過頭像、用戶名等個(gè)人信息暗示自己具有特定身份,或與特定機(jī)構(gòu)或個(gè)人存在關(guān)聯(lián)。


6. 傳播封建迷信,主要表現(xiàn)為:
    1)找人算命、測字、占卜、解夢、化解厄運(yùn)、使用迷信方式治??;
    2)求推薦算命看相大師;
    3)針對具體風(fēng)水等問題進(jìn)行求助或咨詢;
    4)問自己或他人的八字、六爻、星盤、手相、面相、五行缺失,包括通過占卜方法問婚姻、前程、運(yùn)勢,東西寵物丟了能不能找回、取名改名等;


7. 文章標(biāo)題黨,主要表現(xiàn)為:
    1)以各種夸張、獵奇、不合常理的表現(xiàn)手法等行為來誘導(dǎo)用戶;
    2)內(nèi)容與標(biāo)題之間存在嚴(yán)重不實(shí)或者原意扭曲;
    3)使用夸張標(biāo)題,內(nèi)容與標(biāo)題嚴(yán)重不符的。


8.「飯圈」亂象行為,主要表現(xiàn)為:
    1)誘導(dǎo)未成年人應(yīng)援集資、高額消費(fèi)、投票打榜
    2)粉絲互撕謾罵、拉踩引戰(zhàn)、造謠攻擊、人肉搜索、侵犯隱私
    3)鼓動(dòng)「飯圈」粉絲攀比炫富、奢靡享樂等行為
    4)以號召粉絲、雇用網(wǎng)絡(luò)水軍、「養(yǎng)號」形式刷量控評等行為
    5)通過「蹭熱點(diǎn)」、制造話題等形式干擾輿論,影響傳播秩序


9. 其他危害行為或內(nèi)容,主要表現(xiàn)為:
    1)可能引發(fā)未成年人模仿不安全行為和違反社會(huì)公德行為、誘導(dǎo)未成年人不良嗜好影響未成年人身心健康的;
    2)不當(dāng)評述自然災(zāi)害、重大事故等災(zāi)難的;
    3)美化、粉飾侵略戰(zhàn)爭行為的;
    4)法律、行政法規(guī)禁止,或可能對網(wǎng)絡(luò)生態(tài)造成不良影響的其他內(nèi)容。


二、違規(guī)處罰
本網(wǎng)站通過主動(dòng)發(fā)現(xiàn)和接受用戶舉報(bào)兩種方式收集違規(guī)行為信息。所有有意的降低內(nèi)容質(zhì)量、傷害平臺(tái)氛圍及欺凌未成年人或危害未成年人身心健康的行為都是不能容忍的。
當(dāng)一個(gè)用戶發(fā)布違規(guī)內(nèi)容時(shí),本網(wǎng)站將依據(jù)相關(guān)用戶違規(guī)情節(jié)嚴(yán)重程度,對帳號進(jìn)行禁言 1 天、7 天、15 天直至永久禁言或封停賬號的處罰。當(dāng)涉及欺凌未成年人、危害未成年人身心健康、通過作弊手段注冊、使用帳號,或者濫用多個(gè)帳號發(fā)布違規(guī)內(nèi)容時(shí),本網(wǎng)站將加重處罰。


三、申訴
隨著平臺(tái)管理經(jīng)驗(yàn)的不斷豐富,本網(wǎng)站出于維護(hù)本網(wǎng)站氛圍和秩序的目的,將不斷完善本公約。
如果本網(wǎng)站用戶對本網(wǎng)站基于本公約規(guī)定做出的處理有異議,可以通過「建議反饋」功能向本網(wǎng)站進(jìn)行反饋。
(規(guī)則的最終解釋權(quán)歸屬本網(wǎng)站所有)

我知道了
恭喜你~答對了
+5羽毛
下一次認(rèn)真讀哦
成功推薦給其他人
+ 10羽毛
評論成功且進(jìn)入審核!審核通過后,您將獲得10羽毛的獎(jiǎng)勵(lì)。分享本文章給好友閱讀最高再得15羽毛~
(羽毛可至 "羽毛精選" 兌換禮品)
好友微信掃一掃
復(fù)制鏈接