常用决策树：
ID3(基于信息增益)；C4.5(基于信息增益比)；CART(基于基尼指数)。
Bagging+决策树=随机森林；
boosting+决策树=adboost；
gradient+决策树=GBDT；
CART决策树生成过程：
CART在生成子树时，选择一个特征作为切分点生成子树，其中特征选择的依据是基尼指数，选择基尼指数最小的特征用来作为切分点。
本文探讨了决策树算法在面试中的重要知识点，包括ID3、C4.5和CART算法，以及它们如何应用于随机森林、Adaboost和GBDT。CART决策树通过基尼指数选择最佳切分点，以构建最优子树。
扫一扫
171
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
