機器學習-決策樹詳解

機器學習-決策樹分類詳解 1 算法原理 2 特徵選擇 (1) 信息增益 (2) 信息增益率 (3) 基尼指數 (4) ID3, C4.5, CART 算法比較 (5) 連續值處理 (6) 缺失值處理 3 決策樹剪枝 (1) 預剪枝 (2) 後剪枝 4 小結 決策樹是一種基本的 分類與 迴歸方法，其主要的優勢爲模型具備可讀性，分類速度快。學習時，根據損失函數最小化的原則創建決策樹模型。預測時，利用決

>>阅读原文<<