ML二（決策樹學習）

決策樹學習 Decision Tree Learning 1 基本概念 　　屬性（attribute）：樹上的每個結點說明了對實例的某個屬性的測試，該結點的每一個後繼分支對應該屬性的一個可能值。 　　熵（entropy）：刻畫了任意樣例集的純度。S相對於c個狀態的分類的熵定義爲： 　　信息增益（information gain）： 2 決策樹學習的適用問題 實例是由"屬性-值"對來表示。 目標函數

>>阅读原文<<