決策樹剪枝、連續值、缺省值處理

1.決策樹剪枝 首先剪枝（pruning）的目的是爲了不決策樹模型的過擬合。由於決策樹算法在學習的過程當中爲了儘量的正確的分類訓練樣本，不停地對結點進行劃分，所以這會致使整棵樹的分支過多，也就致使了過擬合。決策樹的剪枝策略最基本的有兩種：預剪枝（pre-pruning）和後剪枝（post-pruning）：git 預剪枝（pre-pruning）：預剪枝就是在構造決策樹的過程當中，先對每一個結點在

>>阅读原文<<