基于决策树的疫情风险评估方法

2023-06-15 历史故事版权反馈

【摘要】：决策树有ID3，C4.5和C5.0等多种划分方法，是一种树状划分状态，在每一个节点进行条件的判断，按照一定的划分标准最终生成决策结果，其目的是为了解决机器学习中的多分类问题，本节采用信息增益最大化来进行树的划分。决策树的训练集中训练得分为0.968，测试集中测试得分为0.767。图5.13决策树调参训练过程当节点的Gini指标小于等于某个阈值时，则表示该节点不需要进一步拆分，否则需要生成新的划分规则。

决策树有ID3，C4.5和C5.0等多种划分方法，是一种树状划分状态，在每一个节点进行条件的判断，按照一定的划分标准最终生成决策结果，其目的是为了解决机器学习中的多分类问题(方匡南等，2011)，本节采用信息增益最大化(ID3法)来进行树的划分。

ID3:由增熵(Entropy)原理来决定哪个做父节点，哪个节点需要分裂。对于一组数据，熵越小说明分类结果越好(黄文，2007)。熵定义如下:

式中，p(xi)为xi出现的概率。

针对最简单的2分类问题，第一类与第二类各占一半的时候:

当只有第一类或者只有第二类时:

所以Entropy介于0与1之间，当值取1时，分类效果最差，熵等于0是理想状态，当值取0时，分类效果最好。依照2/8的划分准则，从768个网格中随机抽取一部分作为训练。决策树的训练集中训练得分为0.968，测试集中测试得分为0.767。随着树的深度加深，当树深为10时，在测试集中得分较高，而随着树的深度继续加深，并没有更好的提升，如图5.13所示。

pagenumber_ebook=136,pagenumber_book=129

图5.13　决策树调参训练过程

当节点的Gini指标小于等于某个阈值时，则表示该节点不需要进一步拆分，否则需要生成新的划分规则。利用纽约地区不同社区的属性对社区确诊人数驱动要素进行分析，最终总结出合适的规则。

基于决策树的疫情风险评估方法

相关推荐