机器学习之决策树（Day5）

1. 常用分类方法

任务：根据用户的学习动力、能力提升意愿、兴趣度、空余时间，判断其是否适合学习本门课程。
如图所示常用的分类方法：

接下来重点介绍用决策树实现分类。
在逻辑回归中，我们根据不同特征数据求出逻辑方程的决策边界，从而实现分类任务。

而决策树是一种对实例进行分类的树形结构，通过多层判断区分目标所属类别，本质上是通过多层判断，从训练数据集中归纳出一组分类规则。

优点：

• 计算量小，运算速度快
• 易于理解，可清晰查看各属性的重要性

缺点：

• 忽略属性间的相关性
• 样本类别分布不均匀时，容易影响模型表现

2. 决策树求解

（1）案例分析

对于给定的数据集，我们如何构造决策树模型是关键。核心是特征选择