機器學習-決策樹算法梳理

學習任務： 信息論基礎（熵 聯合熵 條件熵 信息增益 基尼不純度） 決策樹的不同分類算法（ID3算法、C4.5、CART分類樹）的原理及應用場景 迴歸樹原理 決策樹防止過擬合手段 模型評估 sklearn參數詳解，Python繪製決策樹 決策樹的3個步驟：特徵選擇、決策樹的生成、決策樹的修剪 1、信息論基礎 熵（entropy）：表示隨機變量不確定性的度量。熵越大，隨機變量的不確定性就越大。 聯合

>>阅读原文<<