《机器学习》周志华读书笔记（四）决策树（上）

4.1基本流程

决策树（decision tree）：一种常见的机器学习方法

仍然以西瓜为例，才用决策树的方法，我们怎么样才能分辨这个西瓜是好瓜呢？

我们处理事情一般只看最终结果，显然决策的过程的最终结论对应的也是我们希望的判定结果。

一般的，一棵决策树包含一个根结点、若干个内部结点和若干个叶结点；书上讲的比较模糊，下面我来总结一下

根节点：包含所有样本（各种各样的瓜）

内部节点：西瓜的属性（色泽=？，根蒂=？，敲声=？，...）

叶节点：结论（好瓜，坏瓜）。

每条从根节点到叶节点的路径就代表一种属性判定路径。

决策树学习的目的就是为了产生一棵泛化能力强，即处理未见实力能力强的决策树。其基本流程遵循“分而治之”策略.

本图中，决策树学习的关键在第8行，这一点我们在4.2划分选择中讲解

决策树的结构是一个递归的过程，有三种情形会导致递归返回

内容一：输入的数据集以及属性集，很好理解（各种各样的西瓜及属性）&#