一、决策树基本概念
在机器学习中,决策树是一个预测模型,它代表的是对象属性与对象值之间的一种映射关系。本质上决策树是通
过一系列规则对数据进行分类的过程。下图为经典决策树实例。
图1
如图所示,实例是由“属性-值”对表示的:实例是用一系列固定的属性和他们的值构成。
目标函数具有离散的输出值:上图给每个实例赋予一个布尔型分类(Yes和No)。在实际的应用中,最后存储在分
类中的其实是一堆一堆的样本。
决策树的优点:
1、推理过程容易理解,决策推理过程可以表示成If Then形式;
2、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。
二、决策树的