1.什么是决策树
决策树是一种树型结构,其中每个内部结点表示在一个属性上的测试,每个分支代表一个测试输出,每个叶结点代表一种类别。
决策树学习是以实例为基础的归纳学习,通过一系列规则对数据进行分类的过程。
决策树学习采用的是自顶向下的递归方法,其基本思想是以信息熵为度量构造一棵熵值下降最快的树,到叶子节点处的熵值为零,此时每个叶节点中的实例都属于同一类。
简单来说,我们生活中随时会用到这样的判断方法,比如这样:
2.决策树的特点
决策树学习算法的最大优点是,它可以自学习
在学习的过程中,不需要使用者了解过多背景知识,只需要对训练实例进行较好的标注,就能够进行学习
属于有监督学习:从一类无序、
- 1
- 2
前往页