【机器学习】摘记-1

1:机器学习的大框架 2:决策树熵的计算和信息增益 决策树核心：每回合都是最大信息增益，直到S为0。 其他指标衡量分割好坏：基尼不确定性，错分率。 决策树分类常见问题及评价指标 数据属性问题 常见离散属性： 二元属性，标称属性，适合决策树分类算法。 数值型等连续型属性： 如年龄，身高，血压，在进行分类时采用连续属性离散化，即分段分区间的形式，才能很好的适应决策树算法。 过拟合问题 两种误差定义 训

>>阅读原文<<