决策树 优点:计算复杂度不高,输出结果易于理解(数据形式较KNN更易理解),对中间值的缺失不敏感,可以处理不相关特性数据。使用决策树可以更好地理解数据的内在含义。 缺点:可能会产生过度匹配的问题。 适用数据类型:数值型和标称型。 决策树一般流程 (1)数据采集 (2)准备数据 (3)分析数据 (4)训练算法:构造树的数据结构 (5)测试数据:使用经验树计算错误率 (6)使用算法