目录 一、说明 二、什么是决策树? 三、基本概念: 四、工作原理: 五、分类原理分析 5.1 信息熵: 5.2 信息增益: 5.3 基尼杂质: 5.4 基尼系数和熵的区别: 六、对于回归决策树: 6.1 均方误差(MSE) : 6.2 使用 MSE 获得信息: 6.3 分类拆分: 6.4 回归拆分: 6.5 停止树的几个步骤: 七、优缺点分析 7.1 优势: 7.2 缺点 八、结论 一、说明 决策树可能不是什么新鲜东西,但是它的作用有两个:分类型、回归型。分别以熵和均方差作为分支判别的依据,本篇将对比其细节。 </