【机器学习】决策树（下）——CART算法及剪枝处理

前言：上篇博文已经介绍了ID三、C4.5生成决策树的算法。因为上文使用的测试数据以及创建的模型都比较简单，因此其泛化能力很好。可是，当训练数据量很大的时候，创建的决策树模型每每很是复杂，树的深度很大。此时虽然对训练数据拟合得很好，可是其泛化能力即预测新数据的能力并不必定很好，也就是出现了过拟合现象。这个时候咱们就须要对决策树进行剪枝处理以简化模型。另外，CART算法也可用于创建回归树。本文先承接上

>>阅读原文<<