机器学习各种算法思路总结四(决策树与随机森林、集成学习了解)

决策树 简单来讲，决策树，就是将数据集转化为一棵树，按照这棵树的规则，对于样本进行归类。 决策树是一种非参数监督学习方法，用于分类与回归。 目标是建立一个模型，从数据特征中进行学习，进而推断出的简单决策规则，用来预测目标变量的值。 决策树是一种树形结构，经过作出一系列决策（选择）来对数据进行划分，这相似于针对一系列问题进行选择。 决策树的决策过程就是从根节点开始，测试待分类项中对应的特征属性，并按

>>阅读原文<<