机器学习笔记（四）

一、决策树的基本概念 决策树学习的目的是为了产生一棵泛化能力强，即处理未见示例能力强的决策树。 第3行解释，当前结点包含的样本全部属于同一类别。 第6行解释，当前属性集为空，或所有样本在所有属性上取值相同。 第12行解释，当前结点包含的样本集合为空。 二、划分选择 决策树学习的关键在于如何选择最优划分属性。一般而言，随着划分过程不断进行，我们希望决策树的分支结点所包含的样本尽可能属于同一类别，即结

>>阅读原文<<