机器学习Model大乱斗

决策树 Decision Tree

• 简介

  • 原理：经过一层一层的逻辑分支判断最终的结果

  • 分类：监督学习

• 优点

  • 可解释性强、逻辑简单

  • 能够拟合非线性的模型

  • 执行效率高

  • 二分类和多分类问题均可以解决

• 缺点

  • 容易过拟合

  • 不能学习属性间的关系

  • 不支持在线学习，新样本出现以后须要重建树