【机器学习】决策树（上）——从原理到算法实现

前言：决策树（Decision Tree）是一种基本的分类与回归方法，本文主要讨论分类决策树。决策树模型呈树形结构，在分类问题中，表示基于特征对实例进行分类的过程。它能够认为是if-then规则的集合，也能够认为是定义在特征空间与类空间上的条件几率分布。相比朴素贝叶斯分类，决策树的优点在于构造过程不须要任何领域知识或参数设置，所以在实际应用中，对于探测式的知识发现，决策树更加适用。node 1、决

>>阅读原文<<