机器学习第十五讲：决策树全面讲解：像玩"20个问题"游戏猜身份🎮

资料取自《零基础学机器学习》。
查看总目录：学习大纲

关于DeepSeek本地部署指南可以看下我之前写的文章：DeepSeek R1本地与线上满血版部署：超详细手把手指南

---

认识决策树：人脑思维的数据画法

决策树就像一个智能版的流程图，通过层层提问把复杂问题拆解成简单判断。就像玩猜人游戏时不断问"是男生吗？""戴眼镜吗？"逐步缩小范围¹。

银行放贷实战案例💰

银行用历史数据训练决策树模型：

1. 根节点决策：首先看贷款额度是否超过5万¹

   • ≤5万：直接批准（低风险）
   • ＞5万：进入第二步审核

2. 分支判断：检查申请人收入证明是否齐全

   • 不齐全：拒绝申请
   • 齐全：查信用记录

3. 叶节点结论：

   • 信用良好 ➔ 批准
   • 信用差 ➔ 要求抵质押

3大核心部件解析

✅ 节点类型

• 根节点：起始问题（最重要特征）
• 内部节点：中间判断
• 叶节点：最终结论

✅ 分裂标准
用基尼系数衡量"数据纯度"，像考试作弊检测：

• 全班50%作弊 ➔ 混乱值最高(基尼=0.5)
• 全班作弊0% ➔ 最纯净(基尼=0)¹

✅ 停止条件
当出现以下情况停止生长：

• 所有样本分类完成 ✅
• 进一步分裂无法降低混乱值 🚫
• 达到预设最大深度 (防过度复杂)

鸢尾花分类实战🌺

书中案例用花瓣长度/宽度识别花朵品种：

flowchart TDQ1{花瓣长度＜2.45cm?}Q1 -->|Yes| 结论1[山鸢尾]Q1 -->|No| Q2{花瓣宽度＜1.75cm?}Q2 -->|Yes| 结论2[变色鸢尾]Q2 -->|No| 结论3[维吉尼亚鸢尾]

仅通过两个问题就能准确分类三种花，准确率达95%¹

四大独特优势

🌟 白盒模型：决策过程像解题步骤清晰可见
🌟 兼容混合数据：能处理金额(数值型)和婚姻状况(类别型)
🌟 自动特征选择：优先用区分度最高的特征提问¹
🌟 抗噪声能力：允许部分数据缺失（不像线性回归需要完整数据）

需要注意的坑🕳

• ❗防止过拟合：树太深会背答案，遇到新题就蒙圈（解决方法：剪枝）
• ❗样本均衡：如果90%的数据都是"拒绝贷款"，模型会倾向全选拒绝
• ❗连续特征处理：年龄分段要合理（如20-30岁 vs 31-40岁）

通过这种"剥洋葱式"的层层追问，决策树让复杂判断变得像走迷宫一样直观。配合书中Kaggle实战案例动手练习，你会深刻理解这种算法的智慧¹。

---

目录：总目录
上篇文章：机器学习第十四讲：线性回归 → 画最佳趋势线预测明日气温
下篇文章：机器学习第十六讲：K-means → 自动把超市顾客分成不同消费群体

---

---

1. 《零基础学机器学习》第五章第三节树模型 ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎