機器學習 (2)：決策樹模型

1.概述 決策樹是一種簡單的機器學習方法，它是對被觀測數據進行分類的一種至關直觀的方法。node 優勢：計算複雜度不高，輸出結果易於理解，對中間值的缺失不敏感，能夠處理不相關特徵數據。 缺點：可能會產生過分匹配問題。 適用數據類型：數值型和標稱型。 2.決策樹的構造 決策樹學習的關鍵是如何選擇最優劃分屬性。通常而言，隨着劃分過程的不斷進行，咱們但願決策樹的分支節點所包含的樣本儘量屬於同一類別，即結

>>阅读原文<<