【持续更新】基于Python的机器学习——决策树

决策树简介: 决策树（DT）是用于分类和回归的非参数监督学习方法。目标是创建一个模型，通过学习从数据特征推断出的简单决策规则来预测目标变量的值。 决策树算法在机器学习中算是很经典的一个算法系列了。它既可以作为分类算法，也可以作为回归算法，同时也特别适合集成学习比如随机森林。 决策树的一些优点是： 简单易懂和解释。树木可以看到。 需要很少的数据准备。其他技术通常需要数据规范化，需要创建虚拟变量并删除

>>阅读原文<<