决策树（补充）

　算法核心问题 该按什么样的次序来选择变量（属性）？ 最佳分离点（连续的情形）在哪儿？ ID3 信息增益计算 C4.5 信息增益的方法倾向于首先选择因子数较多的变量 信息增益的改进:增益率 CART分类树算法 大部分流行机器学习软件的决策树都是使用CART实现的 可以支持分类和回归 在分类树算法中使用基尼指数选择变量 韩家炜 p221 预剪枝和后剪枝 看《Python 大战机器学习》

>>阅读原文<<