qq_70290503的博客

数据不断分裂的递归过程，每一次分裂，尽可能让类别一样的数据在树的一边，当树的叶子节点的数据都是一类的时候，则停止分类。这样分类的数据，每个节点两边的数据不同，将相同的数据分类到树的一侧，能将数据分类的更纯粹。注意：训练决策树的数据集要离散化，不然有可能造成训练出来的树有些节点的分支特别多，容易造成过拟合。通过对所有分类条件计算信息增益，那么信息增益最大的那个分类条件就是最优的根节点分类条件的选择。一个合理的决策树可以描述为：决策树的高度相对低而且树的两边能将数据分类的更彻底。信息增益：代表熵的变化程度。

python面向对象

数据导入以及切片学习

Anaconda线性回归预测Boston房价

导入数据

下载网址：https://www.anaconda.com/