当前位置： 首页互联网正文 本文介绍: 决策树算法是一种常用的分类算法，本篇博客通俗易懂的介绍了决策树算法 决策树 算法原理 决策树的原理 决策树: 从训练数据中学习得出一个树状结构的模型 决策树属于判别模型 决策树是一种树状结构，通过做出一系列决策 (选择) 来对数据进行划分，这类似于针对一系列问题进行选择。 决策树的决策过程就是从根节点开始，测试待分类项中对应的特征属性，并按照其值选择输出分支，直到叶子节点，将叶子节点的存放的类别作为决策结果。 决策树算法是一种归纳分类算法它通过对训练集的学习，挖掘出有用的规则，用于对新数据进行预测。 决策树算法属于监督学习方法 决策树归纳的基本算法是贪心算法自顶向下来构建决策树。 贪心算法:在每一步选择中都采取在当前状态下最好/优的选择 在决策树的生成过程中，分割方法即属性选择的度量是关键。 决策树的特点 优点 推理过程容易理解，计算简单，可解释性强 比较适合处理有缺失属性的样本。 可自动忽略目标变量没有贡献的属性变量，也为判断属性变量的重要性减少变量的数目提供参考。 缺点 容易造成过拟合，需要采用剪枝操作. 忽略了数据之间的相关性。 对于各类别样本数量不一致的数据，信息增益会偏向于那些更多数值的特征 决策树的三种基本类型 建立决策树的关键，即在当前状态下选择哪个属性作为分类依据。根据不同的目标函数，建立决策树主要有一下三种算法: ID3(lterativeDichotomiser)、C4.5CART(Classification And Regression Tree). 下次博客简述ID3算法、C4.5算法、CART算法 原文地址:https://blog.csdn.net/2201_75381449/article/details/134794403 本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。 如若转载，请注明出处：http://www.7code.cn/show_40704.html 如若内容造成侵权/违法违规/事实不符，请联系代码007邮箱：suwngjj01@126.com进行投诉反馈，一经查实，立即删除！ 主题授权提示：请在后台主题设置-主题授权-激活主题的正版授权，授权购买：RiTheme官网显示所有内容声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。决策树算法节点 代码007普通 打赏 收藏 海报 链接
