决策树和随机森林（Decision Trees and Random Forests）

1. 基本概念 学习分类：基于树的算法被认为是最好的，最经常使用的监督学习方法之一 优点： 基于树的算法使预测模型具备较高的准确性，稳定性和易解释性 与线性模型不一样，它们很好地映射了非线性关系 用途 解决分类问题（classification：categorical variables ） 解决回归问题（regression：continuous variables ） 缩略语 缩写 描述 含义

>>阅读原文<<