本站原创文章，转载请说明来自《老饼讲解-机器学习》www.bbbdata.com
剪枝是决策树预防模型过拟合的措施，剪枝分为预剪枝和后剪枝方法
1. 预剪枝：树构建过程，达到一定条件就停止生长
2. 后剪枝：等树完全构建后，再剪掉一些节点
本文讲述后剪枝，预剪枝请参考《sklearn决策树预剪枝》
本节简单介绍什么是决策树的CCP后剪枝
什么是决策树的CCP后剪枝
后剪枝一般指的是CCP代价复杂度剪枝法（Cost Complexity Pruning），
即在树构建完成后，对树进行剪枝简化，使以下损失函数最小化：
：叶子节点个数
：所有样本个数
：第 i 个叶子节点上的样本数
： 第i个叶子节点的损失函数
：待定系数，用于惩罚节点个数，引导模型用更少的节点
损失函数既考虑了代价，又考虑了树的复杂度，所以叫代价复杂度剪枝法，
实质就是在树的复杂度与准确性之间取得一个平衡点。
✍️备注：在sklearn中，如果criterion设为GINI，则Li是每个叶子节点的GINI系数，如果设为entropy，则是熵
决策树使用CCP后剪枝的具体操作过程如下：
(1) 查看CCP路径
计算CCP路径，查看alpha与树质量的关系：
构建好树后，我们可以通过clf.cost_complexity_pruning_path(X, y) 查看树的CCP路径
Demo代码如下：
# -*- coding: utf-8 -*-
from sklearn.datasets import load_iris
from sklearn import tree
import numpy as np
#----------------数据准备----------------------------
iris = load_iris() # 加载数据
X = iris.data
y = iris.target
#---------------模型训练---------------------------------
clf = tree.DecisionTreeClassifier(min_samples_split=10,ccp_alpha=0)
clf = clf.fit(X, y)
#-------计算ccp路径-----------------------
pruning_path = clf.cost_complexity_pruning_path(X, y)
#-------打印结果---------------------------
print("\n====CCP路径=================")
print("ccp_alphas:",pruning_path['ccp_alphas'])
print("impurities:",pruning_path['impurities']) 运行结果如下：
它的意思是:
时，树的不纯度为 0.02666
时，树的不纯度为 0.03082
时，树的不纯度为 0.04387
........
其中，树的不纯度指的是损失函数的前部分
也即所有叶子的不纯度（gini或者熵）加权和.
✍️ 小贴士 ：ccp_path只提供树的不纯度，如果还需要alpha对应的其它信息，
则可以将alpha代入模型中训练，从训练好的模型中获取
(2) 根据CCP路径剪树
根据树的质量，选定alpha进行剪树
我们选择一个可以接受的树不纯度，找到对应的alpha，然后重新训练决策树
例如，我们可接受的树不纯度为0.0735，则alpha可设为0.1(在0.02966与0.25979之间）
对模型重新以参数ccp_alpha=0.1进行训练，即可得到剪枝后的决策树
完整代码如下：
# -*- coding: utf-8 -*-
from sklearn.datasets import load_iris
from sklearn import tree
import numpy as np
#--------数据准备-----------------------------------
iris = load_iris() # 加载数据
X = iris.data
y = iris.target
#-------模型训练---------------------------------
clf = tree.DecisionTreeClassifier(min_samples_split=10,random_state=0,ccp_alpha=0)
clf = clf.fit(X, y)
#-------计算ccp路径------------------------------
pruning_path = clf.cost_complexity_pruning_path(X, y)
#-------打印结果---------------------------------
print("\n====CCP路径=================")
print("ccp_alphas:",pruning_path['ccp_alphas'])
print("impurities:",pruning_path['impurities'])
#------设置alpha对树后剪枝-----------------------
clf = tree.DecisionTreeClassifier(min_samples_split=10,random_state=0,ccp_alpha=0.1)
clf = clf.fit(X, y)
#------自行计算树纯度以验证-----------------------
is_leaf =clf.tree_.children_left ==-1
tree_impurities = (clf.tree_.impurity[is_leaf]* clf.tree_.n_node_samples[is_leaf]/len(y)).sum()
#-------打印结果---------------------------
print("\n==设置alpha=0.1剪枝后的树纯度：=========\n",tree_impurities)运行结果如下：
关于CCP路径的计算过程
对于CCP路径的计算过程，本文不再重复讲解，可参考：
1.《决策树后剪枝原理：CCP剪枝法》
2.《决策树(sklearn)中CCP路径计算的实现方式.py》
End
