智能金融 课件 第六章 树类分析.pdf

机器学习与智能金融

第六讲条件判断思想的精华

决策树及随机森林

主讲人：张欣然学校：中央财经大学金融学院

本讲主要内容

一树类分析方法概述

二决策树算法的原理

三随机森林

四金融案例

一树类分析方法概述

决策树

决策树（DecisionTree）是一种十分常用的分类

方法，属于监督学习（SupervisedLearning）。

基于树结构来进行决策，这恰是人类在面临决

策问题时一种很自然的处理机制。

实现对数据的探索，能对数据轮廓进行描述，

能进行预测和分类，了解哪些变量最重要。

树类分析

回归类方法和树类分

树类分析主要包括

析均能用于预测分析

回归类：基于有参

估计来实现对变量

决策树：一棵树

映射关系的拟合。

随机森林：许多树

树类分析：基于多

层次判断决策的非

参估计。

一个身边的例子

成绩等级评定决策树Y成绩N

=90?

优秀

成绩

YN

=80?

这是一个由分支/选择判断构成的

良好

判定流程。Y成绩N

=70?

基于“分数”的多重二叉树判定。中等

成绩

YN

=60?

也可以转换成多叉树的一重判定。