作者：韩信子@ShowMeAI教程地址：https://www.showmeai.tech/tutorials/34本文地址：https://www.showmeai.tech/article-detail/192声明：版权所有，转载请联系平台与作者并注明出处
引言
大家在前面的部分学习到了使用决策树进行分类，实际决策树也可以用作回归任务，我们叫作回归树。而回归树的结构还是树形结构，但是属性选择与生长方式和分类的决策树有不同，我们一起来看看它的原理知识吧。
（本篇回归树模型部分内容涉及到机器学习基础知识、决策树算法，没有先序知识储备的宝宝可以查看ShowMeAI的文章 [图解机器学习 | 机器学习基础知识]((https://www.showmeai.tech/article-detail/185) 及 决策树模型详解）。
1.决策树回归算法核心思想
1）决策树结构回顾
我们一起来回顾一下决策树的结构，决策树的典型结构如下图所示。
决策树的学习过程和预测过程如下图所示。详细内容可以参考ShowMeAI的文章 决策树模型详解。
主流的决策树算法有：
ID3：基于信息增益来选择分裂属性（每步选择信息增益最大的属性作为分裂节点，树可能是多叉的）。
C4.5：基于信息增益率来选择分裂属性（每步选择信息增益率最大的属性作为分裂节点，树可能是多叉的）。
CART：基于基尼系数来构建决策树（每步要求基尼系数最小，树是二叉的）。
其中：CART树全称Classification And Regression Tree，即可以用于分类，也可以用于回归，这里指的回归树就是CART树，ID3和C4.5不能用于回归问题。
2）回归树的核心思想
要讲回归树，我们一定会提到CART树，CART树全称Classification And Regression Trees，包括分类树与回归树。
CART的特点是：假设决策树是二叉树，内部结点特征的取值为「是」和「否」，右分支是取值为「是」的分支，左分支是取值为「否」的分支。这样的决策树等价于「递归地二分每个特征」，将输入空间（特征空间）划分为有限个单元，并在这些单元上确定预测的概率分布，也就是在输入给定的条件下输出的条件概率分布。
设有数据集 DDD ，构建回归树的大体思路如下：
①考虑数据集 DDD 上的所有特征 jjj ，遍历每一个特征下所有可能的取值或者切分点 sss ，将数据集 DDD 划分成两部分 D1D_1D1 和 D2D_2D2 。
②分别计算 D1D_1D1 和 D2D_2D2 的平方误差和，选择最小的平方误差对应的特征与分割点，生成两个子节点（将数据划分为两部分）。
③对上述两个子节点递归调用步骤①②，直到满足停止条件。
回归树构建完成后，就完成了对整个输入空间的划分（即完成了回归树的建立）。将整个输入空间划分为多个子区域，每个子区域输出为该区域内所有训练样本的平均值。
我们知道了回归树其实是将输入空间划分为M个单元，每个区域的输出值是该区域内所有点y值的平均数。但我们希望构建最有效的回归树：预测值与真实值差异度最小。下面部分我们展开讲讲，回归树是如何生长的。
2.启发式切分与最优属性选择
1）回归树模型示例
我们用一个经典的棒球案例来解释回归树：根据从业年限和表现，去预估棒球运动员的工资。如下所示，有1987个数据样本，包含322个棒球运动员。红黄表示高收入，蓝绿表示低收入。横坐标是年限，纵坐标是表现。
这个简单案例中，每个样本数据有两个特征：从业年限years和成绩表现hits，回归树的决策过程由最终生成的回归树决定，如右图所示：
根决策节点为特征Years，其划分阈值为4.5，Years小于4.5的样本划分到左边，大于或等于4.5的样本划分到右边；
第二个决策节点的特征为Hits，其划分阈值为117.5，Hits小于117.5的样本划分到左边，大于或等于117.5的样本划分到右边。
一个样本顺着决策树的决策条件，走到叶子节点，即可获得预测工资，这里的预测工资总共就3种取值，分别为5.11、6.00、6.74。
我们来深入拆解和对应一下，其实回归树构建完成后，实现了对整个空间的划分（如下图所示）。实际预测时，新样本会按照回归树的决策过程，被划分到下图 R1R_1R1 、 R2R_2R2 、 R3R_3R3 之中的一个区域 RiR_iRi ，而这个新样本的预测值（本案例中为棒球运动员的工资）就是它所在的区域。
RiR_iRi 中所有训练样本的工资平均值。
回归树背后的含义：对空间的划分。整个平面被划分成3部分：
R1={X∣Years<4.5}R1 = \{X |Years < 4.5\}R1={X∣Years<4.5}R2={X∣Years≥4.5,Hits<117.5}R2 = \{X |Years ≥ 4.5, Hits < 117.5\}R2={X∣Years≥4.5,Hits<117.5}R3={X∣Years≥4.5,Hits≥117.5}R3 = \{X |Years ≥ 4.5, Hits ≥ 117.5\}R3={X∣Years≥4.5,Hits≥117.5}
2）回归树构建方法
下面切到回归树构建的核心：切分方式与属性选择。
假设一回归问题，预估结果 y∈Ry \in Ry∈R ，特征向量为 X=[x1,x2,x3,…,xp]X = [x_1,x_2,x_3, \dots , x_p ]X=[x1,x2,x3,…,xp] ，回归树2个步骤是：
①把整个特征空间 XXX 切分成 JJJ 个没有重叠的区域 R1,R2,R3,…,RJR_1,R_2,R_3, \dots ,R_JR1,R2,R3,…,RJ
②其中区域 RJR_JRJ 中的每个样本我们都给一样的预测结果 y~Rj=1n∑j∈Rjyj\tilde{y}_{R_{j}}=\frac{1}{n} \sum j \in R j y_{j}y~Rj=n1∑j∈Rjyj ，其中 nnn 是 RJR_JRJ 中的总样本数。
仔细观察一下上面的过程，实际上我们希望能找到如下的RSS最小的化划分方式 R1,R2,R3,…,RJR_1,R_2,R_3, \dots ,R_JR1,R2,R3,…,RJ
RSS=∑j=1J∑i∈Rj(yi−y~Rj)2R S S=\sum_{j=1}^{J} \sum_{i \in R j}\left(y_{i}-\tilde{y}_{R_{j}}\right)^{2} RSS=j=1∑Ji∈Rj∑(yi−y~Rj)2
yyy ：为每个训练样本的标签构成的标签向量，向量中的每个元素 $y_j $ 对应的是每个样本的标签。
XXX ：为特征的集合， x1,x2,…,xpx_1,x_2, \dots , x_px1,x2,…,xp 为第1个特征到第 ppp 个特征。
R1,R2,R3,…,RJR_1,R_2,R_3, \dots ,R_JR1,R2,R3,…,RJ 为整个特征空间划分得来的J个不重叠的区域（可以参考上页的右图）。
y~Rj\tilde{y}_{R_{j}}y~Rj ：为划分到第 jjj 个区域 $R_j $ 的样本的平均标签值，用这个值作为该区域的预测值，即如果有一个测试样本在测试时落入到该区域，就将该样本的标签值预测为 y~Rj\tilde{y}_{R_{j}}y~Rj 。
但是这个最小化和探索的过程，计算量是非常非常大的。我们采用「探索式的递归二分」来尝试解决这个问题。
递归二分
回归树采用的是「自顶向下的贪婪式递归方案」。这里的贪婪，指的是每一次的划分，只考虑当前最优，而不回头考虑之前的划分。从数学上定义，即选择切分的维度（特征） xjx_jxj 以及切分点 sss 使得划分后的树RSS结果最小，公式如下所示：
R1(j,s)={x∣xj<s}R2(j,s)={x∣xj≥s}RSS=∑xi∈R1(j,s)(yi−y~R1)2+∑xi∈R2(j,s)(yi−y~R2)2\begin{aligned} & R_{1}(j, s)=\left\{x \mid x_{j}<s\right\} \\ & R_{2}(j, s)=\left\{x \mid x_{j} \geq s\right\} \\ & RSS=\sum x_{i} \in R_{1}(j, s)\left(y_{i}-\tilde{y}_{R 1}\right)^{2}+\sum x_{i} \in R_{2}(j, s)\left(y_{i}-\tilde{y}_{R_{2}}\right)^{2} \end{aligned} R1(j,s)={x∣xj<s}R2(j,s)={x∣xj≥s}RSS=∑xi∈R1(j,s)(yi−y~R1)2+∑xi∈R2(j,s)(yi−y~R2)2
我们再来看看「递归切分」。下方有两个对比图，其中左图是非递归方式切分得到的，而右图是二分递归的方式切分得到的空间划分结果（下一次划分一定是在之前的划分基础上将某个区域一份为二）。
两种方式的差别是：递归切分一定可以找到一个较优的解，非递归切分穷举不了所有情况，算法上无法实现，可能无法得到一个较好的解。
回归树总体流程类似于分类树：分枝时穷举每一个特征可能的划分阈值，来寻找最优切分特征和最优切分点阈值，衡量的方法是平方误差最小化。分枝直到达到预设的终止条件（如叶子个数上限）就停止。
但通常在处理具体问题时，单一的回归树模型能力有限且有可能陷入过拟合，我们经常会利用集成学习中的Boosting思想，对回归树进行增强，得到的新模型就是提升树（Boosting Decision Tree），进一步，可以得到梯度提升树（Gradient Boosting Decision Tree，GBDT），再进一步可以升级到XGBoost。通过多棵回归树拟合残差，不断减小预测值与标签值的偏差，从而达到精准预测的目的，ShowMeAI会在后面介绍这些高级算法。
3.过拟合与正则化
1）过拟合问题
决策树模型存在过拟合风险，通常情况下，树的规模太小会导致模型效果不佳，而树的规模太大就会造成过拟合，非常难以控制。
2）过拟合问题处理
对于决策树，我们通常有如下一些策略可以用于环节过拟合：
（1）约束控制树的过度生长
限制树的深度：当达到设置好的最大深度时结束树的生长。分类误差法：当树继续生长无法得到客观的分类误差减小，就停止生长。叶子节点最小数据量限制：一个叶子节点的数据量过小，树停止生长。（2）剪枝
约束树生长的缺点就是提前扼杀了其他可能性，过早地终止了树的生长，我们也可以等待树生长完成以后再进行剪枝，即所谓的后剪枝，而后剪枝算法主要有以下几种：
Reduced-Error Pruning（REP，错误率降低剪枝）。Pesimistic-Error Pruning（PEP，悲观错误剪枝）。Cost-Complexity Pruning（CCP，代价复杂度剪枝）。Error-Based Pruning（EBP，基于错误的剪枝）。
3）正则化
对于回归树而言，在剪枝过程中我们会添加正则化项衡量。如下所示，考虑剪枝后得到的子树 {Ta}\left \{T_a \right \}{Ta} ，其中 α\alphaα 是正则化项的系数。当固定住 α\alphaα 之后，最佳的 TaT_aTa 就是使得下列式子值最小的子树。
∑m=1∣T∣∑xi∈Rm(yi−y~R2)2+α∣T∣\sum_{m=1}^{|T|} \sum_{x_{i} \in R_{m}}\left(y_{i}-\tilde{y}_{R_{2}}\right)^{2}+\alpha|T| m=1∑∣T∣xi∈Rm∑(yi−y~R2)2+α∣T∣
∣T∣|T|∣T∣ 是回归树叶子节点的个数。
α\alphaα 可以通过交叉验证去选择。
更多监督学习的算法模型总结可以查看ShowMeAI的文章 AI知识技能速查 | 机器学习-监督学习。
视频教程
可以点击 B站 查看视频的【双语字幕】版本
【双语字幕+资料下载】MIT 6.036 | 机器学习导论(·完整版)
【双语字幕+资料下载】MIT 6.036 | 机器学习导论(·完整版)
/video/BV1y44y187wN?p=12
