第四章 决策树
4.1 基本概念及流程
(因时间关系,之后补完笔记)
个人总结:
决策树,通过机器学习识别出 特征判定点,作为每个属性的“测试”,使得依据每个属性测试问题,可以指向最终的预测结果。
一颗决策树包括一个根节点,若干内部节点,叶子节点,每个非叶子节点对应一个属性测试,比如颜色是否是绿色。
从根节点到每个叶子节点的路径对应一个判定测试序列。
决策树学习的目的,是产生一颗泛化能力强的,即处理未见示例能力强的决策树,基本策略是“分治”(devide-and-conquer)
决策树学习算法
4.2 划分选择
决策树学习的关键是如何选择最优划分属性
4.2.1 信息增益