文章目录 决策树 3.1 决策树的构造 3.1.1 信息增益 3.1.2 编写代码计算经验熵 3.1.4利用代码计算信息增益 3.2 决策树的生成和修剪 3.2.1 决策树的构建 1. ID3算法 2. C4.5的生成算法 3. 决策树的剪枝 3.2.2 决策树可视化 3.2.3 ID3、C4.5、CART的区别 3.3 使用决策树进行分类 3.4 决策树的存储 3.5 sklearn——使用决策树预测隐形眼镜类型 3.5.1 使用sklearn构建决策树 3.5.2 使用Graphviz可视化决策树 3.6 总结 3.7 梯度提升决策树(GBDT) 3.7.1 GBDT概述 ———————————————— 版权声明:本文为CSDN博主「呆呆的猫」的原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接及本声明。 原文链接:https://blog.csdn.net/jiaoyangwm/article/details/79525237