决策树的深度:max_depth=2 非参数学习 可以解决分类问题、多分类问题、回归问题 非常好的可解释性 计算信息熵 pruning 剪枝 分的太细的特征,减去 前、后剪枝,都是为了防止过拟合 C4.5 ID3 决策树的学习过程中分为2个阶段,分裂和剪枝