决策树(Decision tree)是一种常见的机器学习方法,常用于分类任务。包括一个根节点,若干内部节点和若干叶子节点。
一、决策树的流程
二、划分选择
信息增益
增益率
基尼指数
三、剪枝处理
剪枝(pruning)是解决过拟合问题的主要手段。
预剪枝
后剪枝
四、连续与缺失值
连续值处理
缺失值处理
五、多变量决策树
决策树(Decision tree)是一种常见的机器学习方法,常用于分类任务。包括一个根节点,若干内部节点和若干叶子节点。
一、决策树的流程
二、划分选择
信息增益
增益率
基尼指数
三、剪枝处理
剪枝(pruning)是解决过拟合问题的主要手段。
预剪枝
后剪枝
四、连续与缺失值
连续值处理
缺失值处理
五、多变量决策树