機器學習（八）——決策樹

Ø  根據各個維度的特性（信息增益、信息增益率、基尼係數）來確定決策樹分枝的節點； 分枝的原則爲保證組內方差最小、組間方差最大，即數據分類後的純度最高； 葉子節點達到預定的閾值時即結束細分； Ø  分枝的方式有兩類：先剪枝（去除掉數值小於某個閾值的葉子節點）、後剪枝（計算葉子節點的分類錯誤率，當節點數據的錯誤率大於閾值節點時則剪掉這個節點） 決策樹分爲決策樹與迴歸樹兩種，主要針對離散數據和連續數據

>>阅读原文<<