Spark Mllib之决策树-分类与回归

微信公众号:数据挖掘与分析学习 决策树及其集成算法是分类和回归的机器学习任务的流行方法。决策树被广泛使用，因为它们易于解释，处理分类特征，扩展到多类分类设置，不需要特征缩放，并且能够捕获非线性和特征交互。诸如随机森林和提升树集成算法是分类和回归任务中表现较好的算法。 spark.mllib支持使用连续和分类特征进行二分类和多类分类以及回归的决策树。该实现按行分区数据，允许数百万个实例的分布式训练。

>>阅读原文<<