#决策树算法分类: # 1、ID3算法:其核心是在决策树的各级节点上,使用信息增益方法作为属性的选择标准,来帮助确定生成每个节点时所应采用的合适属性 # 2、C4.5算法:是使用信息增益率来选择节点属性,ID3只适用于离散的属性描述,而C4.5既能够处理离散的描述属性,也可以处理连续的描述属性 # 3、CART算法:是一种十分有效地非参数分类和和i回归方法,通过构建树、修剪树、评估树来构建
Python数据分析与挖掘实战第五章笔记之决策树
![](https://img-home.csdnimg.cn/images/20240711042549.png)
#决策树算法分类: # 1、ID3算法:其核心是在决策树的各级节点上,使用信息增益方法作为属性的选择标准,来帮助确定生成每个节点时所应采用的合适属性 # 2、C4.5算法:是使用信息增益率来选择节点属性,ID3只适用于离散的属性描述,而C4.5既能够处理离散的描述属性,也可以处理连续的描述属性 # 3、CART算法:是一种十分有效地非参数分类和和i回归方法,通过构建树、修剪树、评估树来构建