scikit-learn 决策树算法（待补充）

Abstract

        总结scikit-learn中的决策树算法。

前言

        决策树将分类和回归问题归结为做出一系列子决策，通过从数据特性中推导出简单的决策规则来创建决策模型。
        决策树模型有：ID3、ID4、ID5、C4.5、CART（Classification and Regression Tree）。

决策树算法

        scikit-learn中决策树算法采用的是CART。
        当使用 CART解决分类问题时，会使用待预测样本所在的叶子节点所有的数据进行投票，来决定未知样本的类别；当使用 CART解决回归问题时，会使用待预测样本所在的叶子节点所有的样本输出的平均值，来表示未知样本的输出值。

1. 分类问题-DecisionTreeClassifier

2. 回归问题-DecisionTreeRegressor

备注

决策树原理可参考的资料:

• 决策树算法原理(上)
  http://www.cnblogs.com/pinard/p/6050306.html
• 决策树算法原理(下)
  http://www.cnblogs.com/pinard/p/6053344.html

scikit-learn中决策树调参注意事项:

• scikit-learn决策树算法类库使用小结
  https://www.cnblogs.com/pinard/p/6056319.html