4.3.1有监督学习（三） - 决策树（Decision Tree） - 剪枝（Pruning）

简介 决策树是与有监督学习中的常用方法。决策树的算法多见于分类问题中，即我们常说的分类树（Classification Tree）；少数情况下，决策树也可以用于连续问题，即回归树（Regression Tree）。若构建决策树的自变量过多，会产生高维度、过拟合等问题，因此，需要在全树的基础上进行剪枝，保留最有效的自变量，删除不那么重要的自变量。这一过程，就叫剪枝。 一句话解释版本： 剪枝分为前剪枝

>>阅读原文<<