该【机器学习之决策树 】是由【tanfengdao】上传分享，文档一共【28】页，该文档可以免费在线阅读，需要了解更多关于【机器学习之决策树 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。决策树的原理及适用情景
单击此处添加副标题
内容
肆
原理
叁
简单案例
贰
适用情景
壹
优缺点
一个决策树的例子
运用决策树分类预测
同一个训练数据生成另一棵决策树
问题来了？
什么是决策树？
决策树概念
P1
根节点
P2
叶子节点
决策树概念
决策树是一种树形结构，通过做出一系列决策（选择）来对数据进行划分，这类似于针对一系列问题进行选择。
决策树的决策过程就是从根节点开始，测试待分类项中对应的特征属性，并按照其值选择输出分支，直到叶子节点，将叶子节点的存放的类别作为决策结果。
一句话概括：从训练数据中学习得出一个类似于流程图的树型结构。
决策树算法
信息增益—ID3
增益比率—
基尼指数—CART
信息熵
一条信息的信息量和它的不确定性有着直接的关系
变量的不确定性越大，熵也就越大，需要的信息量也越大，纯度就越小。
公式定义：
机器学习之决策树 来自淘豆网m.daumloan.com转载请标明出处.
