小编给大家分享一下spark mllib中决策树优缺点是什么，希望大家阅读完这篇文章之后都有所收获，下面让我们一起去探讨吧！

成都创新互联公司成立于2013年，我们提供高端重庆网站建设公司、成都网站制作公司、网站设计、网站定制、网络营销推广、成都小程序开发、微信公众号开发、网站推广服务，提供专业营销思路、内容策划、视觉设计、程序开发来完成项目落地，为搬家公司企业提供源源不断的流量和订单咨询。

决策树的优点：

1. 可以生成可以理解的规则。

2. 计算量相对来说不是很大。

3. 可以处理连续和种类字段。

4. 决策树可以清晰的显示哪些字段比较重要

决策树的缺点：

1. 对连续性的字段比较难预测。

2. 对有时间顺序的数据，需要很多预处理的工作。

3. 当类别太多时，错误可能就会增加的比较快。

4. 一般的算法分类的时候，只是根据一个字段来分类。

出去玩记录表

出去玩	温度	起风	下雨	湿度
1	1	0	0	1
0	1	0	1	1
0	0	1	0	0
1	1	1	0	0
1	1	0	0	0
1	1	1	0	0

运行代码如下

package spark.DT

import org.apache.spark.mllib.tree.DecisionTree
import org.apache.spark.mllib.util.MLUtils
import org.apache.spark.{SparkContext, SparkConf}

/**
  * 决策树使用案例－出去玩
  * **********************************决策树********************************
  * 决策树是一种监督学习，监督学习，就是给定一对样本，每个样本都有一组属性和一个类别，
  * 这些类别是事先确定的，那么通过学习得到一个分类器，这个分类器能够对新出现的对象给
  * 出正确的分类．其原理是：从一组无序无规则的因素中归纳总结出符合要求的分类规则．
  *
  * 决策树算法基础：信息熵，ID3
  * 信息熵：对事件中不确定的信息的度量．一个事件或属性中，其信息熵越大，含有的不确定信
  *   息越大，对数据分析的计算也越有益．故，信息熵的选择总是选择当前事件中拥有最高
  *   信息熵的那个属性作为待测属性．
  * ID3：一种贪心算法，用来构造决策树．以信息熵的下降速度作为测试属性的标准，即在每个
  *   节点选取还尚未被用来划分的，具有最高信息增益的属性作为划分标准，然后继续这个过程，
  *   直到生成的决策树能完美分类训练样例．
  *
  * 使用场景：任何一个只要符合　key-value　模式的分类数据都可以根据决策树进行推断．
  *
  * 决策树用来预测的对象是固定的，丛根到叶子节点的一条特定路线就是一个分类规则，决定
  * 一个分类算法和结果．
  *
  * **********************************决策树********************************
  * Created by eric on 16-7-19.
  */
object DT {
  val conf = new SparkConf()                                     //创建环境变量
    .setMaster("local")                                             //设置本地化处理
    .setAppName("ZombieBayes")                              //设定名称
  val sc = new SparkContext(conf)

  def main(args: Array[String]) {
    val data = MLUtils.loadLibSVMFile(sc, "./src/main/spark/DT/DTree.txt")

    val numClasses = 2//分类数量
    val categorycalFeaturesInfo = Map[Int, Int]()//设定输入格式
    val impurity = "entropy" //设定信息增益计算方式
    val maxDepth = 5 //最大深度
    val maxBins = 3 //设定分割数据集

    val model = DecisionTree.trainClassifier(
      data,//输入数据集
      numClasses,//分类数量，本例只有出去，不出去，共两类
      categorycalFeaturesInfo,// 属性对格式，这里是单纯的键值对
      impurity,//计算信息增益形式
      maxDepth,// 树的高度
      maxBins//能够分裂的数据集合数量
    )

    println(model.topNode)
    println(model.numNodes)//5
    println(model.algo)//Classification
  }
}

DTree.txt

1 1:1 2:0 3:0 4:1
0 1:1 2:0 3:1 4:1
0 1:0 2:1 3:0 4:0
1 1:1 2:1 3:0 4:0
1 1:1 2:0 3:0 4:0
1 1:1 2:1 3:0 4:0

结果如下

id = 1, isLeaf = false, predict = 1.0 (prob = 0.6666666666666666), impurity = 0.9182958340544896, split = Some(Feature = 0, threshold = 0.0, featureType = Continuous, categories = List()), stats = Some(gain = 0.31668908831502096, impurity = 0.9182958340544896, left impurity = 0.0, right impurity = 0.7219280948873623)

5

Classification

看完了这篇文章，相信你对“spark mllib中决策树优缺点是什么”有了一定的了解，如果想了解更多相关知识，欢迎关注创新互联行业资讯频道，感谢各位的阅读！

网站栏目：sparkmllib中决策树优缺点是什么
分享地址：http://kswjz.com/article/gggsog.html