机器学习-决策树算法梳理

学习任务： 信息论基础（熵 联合熵 条件熵 信息增益 基尼不纯度） 决策树的不同分类算法（ID3算法、C4.5、CART分类树）的原理及应用场景 回归树原理 决策树防止过拟合手段 模型评估 sklearn参数详解，Python绘制决策树 决策树的3个步骤：特征选择、决策树的生成、决策树的修剪 1、信息论基础 熵（entropy）：表示随机变量不确定性的度量。熵越大，随机变量的不确定性就越大。 联合

>>阅读原文<<