【機器學習】摘記-1

1:機器學習的大框架 2:決策樹熵的計算和信息增益 決策樹核心：每回合都是最大信息增益，直到S爲0。 其他指標衡量分割好壞：基尼不確定性，錯分率。 決策樹分類常見問題及評價指標 數據屬性問題 常見離散屬性： 二元屬性，標稱屬性，適合決策樹分類算法。 數值型等連續型屬性： 如年齡，身高，血壓，在進行分類時採用連續屬性離散化，即分段分區間的形式，才能很好的適應決策樹算法。 過擬合問題 兩種誤差定義 訓

>>阅读原文<<