机器学习（八）——决策树

Ø  根据各个维度的特性（信息增益、信息增益率、基尼系数）来确定决策树分枝的节点； 分枝的原则为保证组内方差最小、组间方差最大，即数据分类后的纯度最高； 叶子节点达到预定的阈值时即结束细分； Ø  分枝的方式有两类：先剪枝（去除掉数值小于某个阈值的叶子节点）、后剪枝（计算叶子节点的分类错误率，当节点数据的错误率大于阈值节点时则剪掉这个节点） 决策树分为决策树与回归树两种，主要针对离散数据和连续数据

>>阅读原文<<