第六章-6.1决策树

图1

对上决策树，采用C4.5进行裁剪。

通常C4.5采用C=25%的置信度来计算，对应的置信度标准差z=0.69，。对于误差率e的估计为：

                                    

其中，f为误差率f=E/N，E为错误分类数量，N为总数。

则有，图1中，健康计划-None的分支有4个bad（错误分类），2个good（正确分类），f=0.33，e=0.47；同理，健康计划-Half和健康计划-full的误差率e分别为0.72和0.47。组合误差率为：0.47*6/14+0.72*2/14+0.47*6/14=0.51。训练集健康计算共有9个bad（错误分类），5个good（正确分类），e为0.46，小于组合误差，因而节点被裁剪掉。