【持續更新】基於Python的機器學習——決策樹

決策樹簡介: 決策樹（DT）是用於分類和迴歸的非參數監督學習方法。目標是創建一個模型，通過學習從數據特徵推斷出的簡單決策規則來預測目標變量的值。 決策樹算法在機器學習中算是很經典的一個算法系列了。它既可以作爲分類算法，也可以作爲迴歸算法，同時也特別適合集成學習比如隨機森林。 決策樹的一些優點是： 簡單易懂和解釋。樹木可以看到。 需要很少的數據準備。其他技術通常需要數據規範化，需要創建虛擬變量並刪除

>>阅读原文<<