菜菜的sklearn课堂回顾总结—决策树篇(1)

        本文不讨论机器学习的数学原理，只是对各算法的基础应用进行一个回顾总结。

1.决策树是一种非参数且有监督的学习方法。

    非参数：不限制数据的类型和结构

    有监督：数据带有标签，需要告诉算法答案

2.决策树的作用：

   决策树的作用就是将表中数据的隐含规则总结出来，然后将其以树状图的形式呈现出来；在此基础上，我们可以将不带标签的未知数据输入决策树，决策树会根据之前总结的规则输出一个结果。

3.决策树的核心问题：

(1)寻找到最好的分枝节点，即寻找到最佳的特征，以及接下来的每个最佳的分枝特征

(2)防止过拟合；如果一个表中的数据维度过大，需要对每个特征都进行提问分枝吗？什么情况下才能总结出一棵最佳的、最简洁明了的树进行判断？

        以上便是决策树的一些基本的介绍。

---------------------------------------------------------------------------------------------------------------------------------

         下面插播一小段Jupytr notebook的使用经验，内容基础，大佬们勿喷

        1.主题设置

                (1)下载一个库

                        pip install -- upgrade jupyterthemes

               （2)查看所有的可用主题

                        jt -l

                 (3)选择自己喜欢的即可