[機器學習算法]決策樹詳解（屬性劃分+剪枝+缺失值/連續值處理）

決策樹簡述 決策樹是一種用於對實例進行分類的樹形結構。決策樹由節點（node）和有向邊（directed edge）組成。節點分紅根節點、內節點（表示一個特徵或者屬性的測試條件）和葉子節點（表示一個分類）。node 決策樹的生成是一個遞歸過程。在決策樹算法中，有三種情形會致使遞歸返回。（1）當前結點包含的樣本全屬於同一類別，無需劃分；（2）當前屬性集爲空，或是全部樣本在全部屬性上取值相同，沒法劃分

>>阅读原文<<