决策树:
1.ID3算法
1.1.熵
1.2.信息增益
1.3.ID3算法的思路
1.4.ID3算法的不足
2.C4.5算法
2.1.信息增益比
2.2.处理连续特征
2.3.缺失值处理
2.4.C4.5算法的不足
3.CART算法
3.1.特征选择方法--基尼系数
3.2.处理连续特征
3.3.处理离散特征
3.4.CART分类树
3.5.CART回归树
3.6.剪枝
3.6.1.预剪枝
3.6.2.后剪枝
4.多变量决策树
5.Scikit-learn决策树算法类库介绍
5.1.DecisionTreeClassifier
5.2.DecisionTreeRegressor
5.3决策树的可视化
1.ID3算法
1.1.熵
1.2.信息增益
1.3.ID3算法的思路
1.4.ID3算法的不足
2.C4.5算法
2.1.信息增益比
2.2.处理连续特征
2.3.缺失值处理
2.4.C4.5算法的不足
3.CART算法
3.1.特征选择方法--基尼系数
3.2.处理连续特征
3.3.处理离散特征
3.4.CART分类树
3.5.CART回归树
3.6.剪枝
3.6.1.预剪枝
3.6.2.后剪枝
4.多变量决策树
5.Scikit-learn决策树算法类库介绍
5.1.DecisionTreeClassifier
5.2.DecisionTreeRegressor
5.3决策树的可视化