機器學習——決策樹和隨機森林

目錄 熵 信息熵 條件熵 相對熵（KL散度） 交叉熵 決策樹 ID3 信息增益 C4.5 信息增益率 CART樹 基尼指數 決策樹（decision tree）是一種基本的分類與迴歸方法，決策樹模型呈樹形結構，在分類問題中，表示基於特徵對實例進行分類的過程。它可以認爲是if-then規則的集合，也可以認爲是定義在特徵空間與類空間上的條件概率分佈，其主要優點是模型具有可讀性，分類速度快。決策樹學習通

>>阅读原文<<