决策树算法（机器学习实战，阅读笔记）

优点：计算复杂度不高，输出结果易于理解，对中间值的缺失不敏感，可以处理不相关特征数据 缺点：可能会产生过度匹配问题 使用数据类型：数值型，标称型 适用场景：邮件分类，专家系统 原理：在构造决策树时，需要解决的第一个问题上，当前数据集在哪个特征在划分数据分类时起决定性作用，为了找到决定性的特征，划分出最好的结果，我们必须评估每个特征。完成测试之后，原始数据酒杯划分为几个数据子集，这些数据子集会分布在

>>阅读原文<<