文章目录 1、决策树原理2、信息增益2.1 信息熵2.2 公式2.3 例子2.4 具体实例2.5 结论2.6 sklearn作者寄语 1、决策树原理 选择一个特征进行测试,然后根据这个测试再分为多个子数据集,最后一步步划分数据集。 一个很典型的图片: 但是我们如何选择哪些特征分布,以什么为标准呢? 由于要解决这个问题,我们引入了信息增益 2、信息增益 2.1 信息熵 信息熵这个词汇是由香农于1948年提出的,这个词是香农从热力学中借用过来的。 我们可以根据信息熵的一个变化幅度去衡量我们到底先使用哪个特征作为第一个,哪个作为后一个。. 2.2 公式 2.3 例子 2.4 具体实例 2.5 结论 2.6 sklearn作者寄语