机器学习笔记16——决策树剪枝算法原理及python实现案例

决策树剪枝算法 1、算法目的 2、算法基本思路： 3、决策树损失函数 4、剪枝类型： 4.1 预剪枝 4.2 后剪枝 4.3 两种剪枝策略对比 1、算法目的 决策树的剪枝是为了简化决策树模型，避免过拟合。 同样层数的决策树，叶结点的个数越多就越复杂；同样的叶结点个数的决策树，层数越多越复杂。 剪枝前相比于剪枝后，叶结点个数和层数只能更多或者其中一特征一样多，剪枝前必然更复杂。 层数越多，叶结点越多

>>阅读原文<<