决策树剪枝、连续值、缺省值处理

1.决策树剪枝 首先剪枝（pruning）的目的是为了不决策树模型的过拟合。由于决策树算法在学习的过程当中为了尽量的正确的分类训练样本，不停地对结点进行划分，所以这会致使整棵树的分支过多，也就致使了过拟合。决策树的剪枝策略最基本的有两种：预剪枝（pre-pruning）和后剪枝（post-pruning）：git 预剪枝（pre-pruning）：预剪枝就是在构造决策树的过程当中，先对每一个结点在

>>阅读原文<<