決策樹狀結構增長

增長是從單一根節點開始，其中使用包含訓練資料集的表格作為輸入表格。此表格包含數個代表屬性及單一直欄（代表 class 屬性）的直欄。

預期輸出是以根據訓練資料集的決策樹狀結構模型的表示法來表示。

當您進行分割時，每一個建立的後代節點都對應於訓練資料集的適用子集。將這些節點進一步分割會產生新節點，其對應於資料集的較小子集，依此類推。未進一步分割的節點變成葉節點。

決策樹狀結構增長是重複下列作業：

1. 停止準則

   這項作業會判斷是否已進行分割，或節點是否變成葉節點，因為它未進一步分割。決策的基礎是對應於該節點的訓練資料集的子集。

   如果適用下列其中一個條件，則不會進行分割：

   • 相對應子集中的所有實例都是相同類別
   • 相對應子集中的實例數小於指定的最小值
   • 現行節點的層次大於指定的最大值，其中根節點的層次為 1，其後代節點的層次為 2，依此類推
   • 根據最佳可用分割的類別不純度提升小於指定的最小值
2. 類別標籤指定

   相對應子集中最常用的類別與每一個樹狀結構節點相關聯。如果樹狀結構隨後遭到刪改，則此作業會很有幫助，因為後續的刪改會將部分節點變成葉節點。它也會讓樹狀結構更容易看懂。類別標籤的指定是針對所有節點進行。

3. 分割選擇

   此作業會將最小不純度分割指派給不符合停止準則的節點。候選分割集包括所有離散屬性的二進位平等分割，以及所有連續屬性的二進位不平等分割。不純度測量會套用至對應於分割結果的子集，以評估候選分割。