决策树实验对照方法

先把这三者分清：

1. 这次决策树具体预测什么？

它预测的是座位编号，例如 A-01、B-03，并不直接预测“有人”“无人”或“恶意占座”。

当前流程是：

手机上传 WiFi 扫描
    ↓
清洗、对齐、合并多帧
    ↓
KNN 或决策树识别座位
    ↓
检查可信度与证据质量
    ↓
结合连续命中次数、持续时间、用户会话等信息
    ↓
占座规则引擎给出建议
    ↓
后端状态机决定是否更新座位状态

KNN 和决策树目前是可按模型版本切换的两条识别路径，还没有做二者联合投票。

2. 决策树吃进去的是什么数据？

实现位于 decision_tree.py。

训练数据每行包含扫描时间、设备、真实座位和各 AP 的 RSSI。先按照设备、批次、座位和时间划分连续采样窗口，默认每 5 帧合并一次，逐 AP 取中位数降噪。

随后构造两组特征：

例如：

原始 RSSI：[-50, -70, -80, -60]
中位数：  -65
相对 RSSI：[15, -5, -15, 5]
存在标记：[1, 1, 1, 1]

假设另一台手机整体读数偏高 4 dB：

原始 RSSI：[-46, -66, -76, -56]
中位数：  -61
相对 RSSI：[15, -5, -15, 5]

两台手机的相对特征相同，因此这种处理能降低整体 RSSI 偏移的影响。

缺失 AP 的相对值填 0，同时把存在标记设成 0，从而区分“缺失”与“恰好等于中位数”。

当前示例模型有 12 个 AP 维度，因此输入是 24 个特征。设备编号、真实座位标签、批次编号都不作为树的输入特征；真实座位只是训练时的正确答案。

这个方案也有代价：它丢失了整体信号强弱信息。两个座位如果只有整体 RSSI 不同，相对特征可能无法区分；不同频段的偏移不一致，也不能保证被消除。

3. 树是怎么训练出来的？

使用的是 sklearn 的 DecisionTreeClassifier，即 CART 分类树。

训练时，算法不断尝试：

用哪个特征、在哪个阈值处分开，能让分开后的座位类别更集中？

衡量类别混杂程度的指标是 Gini 不纯度：

$[ Gini(S)=1-\sum_c p_c^2 ]$

例如，一个节点中 A、B 座位各占一半，Gini 为 0.5；如果全是 A，Gini 就是 0。算法选择能让左右子节点的加权不纯度下降最多的分裂。

需要区分两类参数：

本次训练出的树实际深度为 12，共有 54 个叶节点。一个座位可以对应多个叶节点，叶节点数量不必等于座位数量。

4. 线上如何得到座位和可信度？

新扫描经过同样的特征处理后，从根节点逐层判断，最后到达一个叶节点。

假设某叶节点训练样本的类别分布为：

A-01：8 个
A-02：2 个

则输出：

Top-1：A-01
类别频率：0.8
第二候选：A-02，频率 0.2

这里的 0.8 是训练样本在叶节点里的类别频率，不代表已经验证了“实际有 80% 概率正确”。 当前决策树没有做独立概率校准；即使纯叶节点输出 1.0，也可能在新设备或新环境上判断错误。

因此实现中还增加了证据检查：

遇到这些情况，可信度会被置为 0，要求人工确认。这些检查是人为设计的保护规则，不是树学习出来的分支。

另外，树的 Top-3 只取叶节点中非零频率的类别。如果只有一个类别，就只返回一个，不强行补两个座位。

模型会保存为 JSON，包含节点、阈值、类别分布、特征重要性和规则文本；接口还返回 decision_path，可以追溯一次预测经过了哪些判断。

5. 这次对比说明了什么？

我们用 Honor、Pixel 的数据训练，完整留出 Redmi 作为测试设备。两种模型评估的是同一批 288 个窗口：

模型	Top-1 准确率	Top-3 准确率	需人工复核
KNN	93.06%	100.00%	19.10%
决策树	65.62%	80.21%	48.96%

这支持当前继续使用 KNN 作为默认在线模型，决策树作为实验对照。比较包含各自的设备偏移处理，不能单凭这组结果断言所有决策树都不如 KNN；数据也仍是模拟数据，不能作为现场验收成绩。

随机文章