机器学习之决策树算法原理

决策树介绍 决策树算法是一种逼近离散函数值的方法。它是一种典型的分类方法，最早产生于上世纪60/70年代，由J Ross Quinlan提出了ID3算法和C4.5算法。C4.5算法在ID3算法的基础上进行了改进，对与预测变量的缺值处理，剪枝技术，派生规则等方面做了较大的改进，既适合于分类问题，又适用于回归问题。 决策树原理：信息增益、信息增益率与基尼系数 决策树原理-ID3 决策树原理-C4.5

>>阅读原文<<