监督学习算法
基本过程：样本学习得到预测函数f(x)，测试集评估效果
常用的决策树算法：ID3，C4.5和CART
属性划分的方法：ID3使用信息增益，C4.5使用信息增益率，而CART使用Gini基尼指数（三种）
在数据挖掘中，决策树主要有两种类型:
分类树 的输出是样本的类标。
回归树 的输出是一个实数 (例如房子的价格，病人呆在医院的时间等)。
关于决策树
最后编辑于 ：
©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。
【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。
推荐阅读更多精彩内容
- 引子：决策树模型（Decision Trees，DTs）是一种非参监督式学习模型。它既可以应用于分类问题，也可以应...
- 转自算法杂货铺--决策树决策树和随机森林学习笔记-欢迎补充 http://www.cnblogs.com/fion...
