機器學習算法系列(二)

1、決策樹學習 本篇主要介紹了決策樹的相關概念原理、算法及應用，包括主要ID3、C4.5算法等，及後期決策樹的優化處理方法等； 決策樹是一種逼近離散值目標函數的方法，是最流行的歸納推理算法之一； 原理： 逐步應答中，使用分層變量或決策節點，擅長評估； 分類實例的方法是從這棵樹的根結點開始，測試這個結點指定的屬性，然後按照給定實例的該屬性值對應的樹枝向下移動，葉子結點即 爲實例所屬的分類。 適用問題

>>阅读原文<<