人工智能面试总结-决策树

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的过程不断递归（Recursive Partitioning）。随着树的深度增加，分支节点的子集越来越小，所需提的问题数也逐渐简化。当分支节点的深度或者问题的简单程度满足一定停止规则（Stopping Rule）时, 该分支节点会停止分裂，此为自上而下的停止阈值（Cutoff Threshold）