决策树:机器学习一种具有树状结构的算法,树中每个内部节点表示一个属性的判断,每个分支代表一个判断结果的输出,最后每个叶节点表示一种分类的结果。
优点:可视化,直观;易于追溯和倒推。
缺点:树的深度不好设定,太深容易过拟合,太浅容易欠拟合。
计算效率不高
熵增益算法
决策树:机器学习一种具有树状结构的算法,树中每个内部节点表示一个属性的判断,每个分支代表一个判断结果的输出,最后每个叶节点表示一种分类的结果。
优点:可视化,直观;易于追溯和倒推。
缺点:树的深度不好设定,太深容易过拟合,太浅容易欠拟合。
计算效率不高
熵增益算法