人工智能面试总结-决策树

本文详细介绍了决策树的基本概念、原理,包括划分标准如信息增益、信息增益率和基尼系数,以及ID3和C4.5的区别。讨论了决策树的剪枝策略、处理离散特征的方法和优缺点,还探讨了过拟合的原因及解决办法,对比了决策树与逻辑回归的差异,并解析了决策树的损失函数和算法流程。
摘要由CSDN通过智能技术生成

在这里插入图片描述
B站:啥都会一点的研究生

公众号试读:啥都会一点的研究生

说说决策树?

 决策树(decision tree)是一个树结构(可以是二叉树或非二叉树)。每个非叶节点表示一个特征属性上的测试,每个分支代表这个特征属性在某值域上的输出,而每个叶节点存放一个类别。使用决策树进行决策的过程就是从根节点开始,测试待分类项中相应的特征属性,并按照其值选择输出分支,直到到达叶子节点,将叶子节点存放的类别作为决策结果。

说说决策树原理?

 ​决策树(Decision Tree)是一种分而治之的决策过程。一个困难的预测问题,通过树的分支节点,被划分成两个或多个较简单的子集,从结构上划分为不同的子问题。将依规则分割数据集

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

啥都生

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值