（四）机器学习——监督学习（supervised Learing）——决策树（Decision Tree）

1、机器学习中分类和预测算法的评估： 准确率、 速度、 强壮性（部分数据缺失情况，能否正确判断）、 可规模性（数据量变大，算法性能变化）、 可解释性（特征值和规律，是否能够进行解释） 2、决策树定义：类似于流程图的树结构，每个内部结点表示一个属性上的测试，每个分支代表一个属性输出，每个叶结点代表类或类分布。最顶层：根结点。 3、熵entropy 香农提出“信息熵”： 一条信息的信息量大小和它的不确

>>阅读原文<<