吃瓜教程-Task3（第4章）

1.学习记录

        1.1 决策树是基于树结构来进行决策的，通常一棵决策树包含1个根节点，若干个内部节点和若干个叶节点。基本策略是“分而治之”。

        1.2 决策树学习的关键是如何选择最优划分属性，常用指标有：“信息增益”，“增益率”，“基尼指数”等，也可以联合使用。

        1.3 “预剪枝”和“后剪枝”等剪枝处理会提高决策树的泛化能力，减低欠拟合程度。

        1.4 连续值可以通过“选取划分点集合”等方式将连续属性离散化。

2.疑惑存留

        2.1 对缺失值进行处理时，相关的技术操作和符号公式推导。

3.自己的理解

        3.1 多变量决策是将叶结点进行变换，如：属性的线性组合、嵌入（多层）神经网络等方式提高学习效果。