决策树（三种）

id3: 细化分割，使信息增益最大，容易过拟合
c4.5：使用增益率（来优化分割太细的代价），属性类别较多，增益率小
cart：gini指数，基尼值为从数据集中抽取两个样本，纯度越高，基尼指数越小，剪枝使树更简化
cart(classification and regression tree)也可用于回归，回归用均方误差计算
交叉验证

©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成，浏览时请结合常识与多方信息审慎甄别。
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。

相关阅读更多精彩内容

  • 分类算法-决策树
    决策树理论在决策树理论中，有这样一句话，“用较少的东西，照样可以做很好的事情。越是小的决策树，越优于大的决策树”。...
    制杖灶灶阅读 11,178评论 0赞 25
  • 决策树
    1 概述 决策树（decision tree）是一种基本的分类与回归方法。在分类问题中，表示基于特征对实例进行分类...
    豪_34bf阅读 4,524评论 0赞 0
  • 决策树、随机森林
    1 前言 在了解树模型之前，自然想到树模型和线性模型，他们有什么区别呢？ 树形模型是一个一个特征进行处理，之前线性...
    高永峰_GYF阅读 5,265评论 0赞 1
  • 机器学习算法深度总结(6)-决策树
    Decision Trees (DTs) 是一种用来classification和regression的无参监督学...
    婉妃阅读 11,361评论 0赞 8
  • 机器学习模型2 决策树-基于Python sklearn的实现
    1、模型原理 （一）原理 1、原理：引入信息熵（不确定程度）的概念，通过计算各属性下的信息增益程度（信息增益越大，...
    Python_Franklin阅读 14,267评论 0赞 17

友情链接更多精彩内容