机器学习-决策树详解

机器学习-决策树分类详解 1 算法原理 2 特征选择 (1) 信息增益 (2) 信息增益率 (3) 基尼指数 (4) ID3, C4.5, CART 算法比较 (5) 连续值处理 (6) 缺失值处理 3 决策树剪枝 (1) 预剪枝 (2) 后剪枝 4 小结 决策树是一种基本的 分类与 回归方法,其主要的优势为模型具备可读性,分类速度快。学习时,根据损失函数最小化的原则创建决策树模型。预测时,利用决
相关文章
相关标签/搜索