决策树连续属性

Question

我使用决策树制作数据挖掘模型。如果我有像MALE和FEMALE这样的二进制属性，我知道在分割时我会从Gender节点有两个分支。但是如果我有连续属性是浮点数从0到1怎么办？我是否将它映射到离散值，如LOW（0 - 0.5）和HIGH（0.5 - 1）？或者还有其他方法吗？

Answer 1

为什么你需要自己拆分？我不确定我是否理解正确。 但是，决策树的目的正是您似乎手工完成的。

对于给定的特征 F （让我们以连续属性为例），其中值在（a，b）之内（可以是] - ∞，+∞[），决策树查找最佳 *值 V ，将您的节点拆分为两个单独的叶子。因此，如果属性 F 在（a，V）内，则数据属于第一个叶子;如果在（V，b）内，则数据属于第二个叶子

什么 最佳 * 表示？

它们有多种方法可以找到值 V ，但一般来说，每个叶子的纯度（文献术语）都是最大的，这意味着数据里面有点同质。 Wiki提供了一些常用的度量标准，用于将每个父叶子拆分为两个子叶子。

Answer 2

如上所述，您不必担心找到最佳属性。但是如果你有大量浮点数，那么每个值的属性计算时间都很昂贵。在这种情况下，请查看决策树中的离散化算法。

因此，在您的示例中，应用二进制离散化技术时，您的连续属性将转换为离散二进制属性。有大量的离散化技术，使用不同的方法在类之间找到完美的阈值（在你的情况下为0.5）。