《机器学习实战》读书笔记9
树回归算法概述
上一章节介绍的线性回归包含了一些强大的方法，但这些方法创建的模型需要拟合所有的样本点（局部加权线性归回除外）。当数据拥有众多特征并且特征之间关系十分复杂时，构建全局线性模型的想法就显得太难了，也很笨拙。而且，在现实世界中很多问题都是非线性的，不可能使用全局线性模型来拟合任何数据。
一种可行的方法就是将数据切分成很多分易于建模的数据，然后利用线性回归技术对局部数据建模。如果首次切分后仍然难以拟合线性模型就继续切分。于是就诞生了一种叫做CART（Classification And Regression Trees，分类回归树）的算法。
优点：可以对复杂和非线性的数据建模。
缺点：结果不容理解。
适用数据类型：数值型和标称型数据。
入门案例
下图所示的数据点，是在sin函数的基础上，混杂高斯噪声生成的。本章节使用了树回归来构建模型。
上图中，蓝色线段就是用回归树模型得到的拟合效果。参数tolN和tolS用于控制分类函数停止继续分类的条件（预剪枝：解释见后文）。具体的说：tolN是切分的最少样本数；tolS是容许的误差下降值。
上图的参数没有调整，但是采用了模型树算法，得到了更好的拟合效果。
工作原理
CART是十分著名的树构建算法，它使用二元切分来处理连续性变量，对其稍作修改就可处理回归问题。CART算法也使用一个字典来存储树的数据结构，该字典含：
待切分的特征
待切分的特征值
右子树，不需切分时，也可是单个值
左子树，右子树类似
CART可构建两种树：回归树（regression tree），其每个叶节点包含单个值；模型树（model tree），其每个叶节点包含一个线性方程。一般来说，模型树具有更高的预测准确度。
决策树也可使用测试集上某种交叉验证技术发现过拟合。通过降低决策树的复杂度来避免过拟合的过程称为剪枝（pruning），在拆分树之前设置预判条件，实际上是一种所谓的预剪枝（prepruning）操作。另一种剪枝需要使用测试集和训练集，称为后剪枝（postpruning），它不需要用户指定参数，是一种更理想化的剪枝方法。后剪枝可能不如预剪枝有效，一般为了得到最佳模型可同时使用两种剪枝技术。
从下章开始，我们将离开监督学习的岛屿，驶向无监督学习的未知海域，好激动:-)
一般流程
1.收集数据：采用任意方法收集数据。
2.准备数据：需要数值型的数据，标称型数据应该先映射成二值型数据。
3.分析数据：绘出数据的二维可视化显示结果，以字典方式生成树。
4.训练算法：大部分时间都花费在叶子节点树模型的构建上。
5.测试算法：使用测试数据集，计算平均方差来分析模型的效果。
6.使用算法：使用训练出的树做预测。
可使用场景
1.待定...
