机器学习——决策树

墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 100+累计阅读 197平均单平台已同步平台优快云微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网我也要 → 码龄9年

关注

原创最新推荐文章于 2026-07-12 11:09:43 发布 197 阅读 AI 写同款· GEO 优化 ›

【机器学习】九大决策树模型总结这篇博客深入探讨了九种不同的决策树模型，每种模型都拥有其独特的特点和应用场景。我将带您了解一些经典的模型，让你理解它们的工作原理，并在实践中灵活运用它们。阅读详情

决策树——https://blog.youkuaiyun.com/jiaoyangwm/article/details/79525237

收录于

Machine learning

当前文章被收录于：

Machine learning

4 篇文章 1 人学习

订阅专栏查看详情

当前文章被以下社区和专栏收录：

标签

#机器学习

机器学习第五章之决策树模型 机器学习专题系列阅读详情

相关推荐

机器学习西瓜书&南瓜书——决策树模型

决策树模型是机器学习领域最常见的模型之一，甚至有人说决策树模型上机器学习领域的水平上升了一个台阶。决策树的基本思想是根据样本的一些特征来构造一个树，树的每个分支节点都是一个分支属性，每个分支节点都会针对当前节点的属性把样本一分为二，有这个属性或者说在这个属性上表现为yes的数据被分为一个集合，没有这个属性或者在这个属性上表现为no的数据呗分为一个集合。一个完整的决策过程包含若干个子决策，最终得到判定结果。以“找出好瓜”这个任务为例，假设西瓜有“色泽“，”根蒂“，”敲击声“这三个属性，假设先判定“色泽”这个属

m0_73556978的博客 1837

【机器学习】算法之 决策树

一、基本原理 决策树（decision tree）：是一种基本的分类与回归方法，此处主要讨论分类的决策树。在分类问题中，表示基于特征对实例进行分类的过程，可以认为是if-then的集合，也可以认为是定义在特征空间与类空间上的条件概率分布。 决策树通常有三个步骤：特征选择、决策树的生成、决策树的修剪。用决策树分类：从根节点开始，对实例的某一特征进行测试，根据测试结果将实例分配到其子节点，此时每个子节点对应着该特征的一个取值，如此递归的对实例进行测试并分配，直到到达叶节点，最后将实例分到叶节点的类中

lemonxiaoxiao的博客 4942

Python 机器学习 回归决策树

决策树是一种常用于分类和回归的机器学习算法。在回归问题中，决策树用于预测连续值的输出，如价格或温度等。回归决策树是一种用于回归问题的决策树模型。与分类决策树（输出离散标签）不同，回归决策树的目标是预测一个连续的数值。回归决策树的工作原理与分类树相似，但在决定分支如何划分时，它们寻求最小化的是目标变量的方差或均方误差（MSE），而不是不纯度（如基尼不纯度或熵）。

weixin_42098295的博客 1459

csdn教程

这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入欢迎使用Ma...

仲夏 1046

机器学习——决策树模型：Python实现

机器学习——决策树模型：Python实现欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入欢迎使用Markdown编辑器你好！这是你第一次使用 Markdown编辑器所展示的欢迎页。如果你

qq_34357269的博客 8770

机器学习(三)决策树算法Decision Tree

上面两篇博客对机器学习有了简单的介绍，并介绍了机器学习中的一些基本的概念；下面我们来介绍机器学习中的第一个算法决策树算法DT（Decision Tree）。介绍Decision Tree之前我先来引入一些经典的小例子来说明什么是决策树。如下面的图：在当今这个社会尤其是我们这群程序员对象是一个很头疼的问题

Sweet Baby，甜宝 2927

决策树详解

目录 决策树 定义划分选择 ID3(信息增益) C4.5(信息增益比) CART ID3、C4.5、CART的区别信息增益 vs 信息增益比 Gini 指数 vs 熵 决策树 定义类似于我们平时利用选择做决策的过程。表示基于特征对实例进行分类的过程，可以认为是if-then的集合，也可以认为是定义在特征空间与类空间上的条件概率分布。结构: 决策树在逻辑...

Jiashilin 1742

【ML】基于机器学习的心脏病预测研究(附代码和数据集，决策树模型)

学无止境、积少成多、厚积薄发 632

决策树简介

1、什么是决策树 我们可能玩过这种游戏，一个人脑海中想一个词，然后大家向他提问，这个人只能回答是或者不是，最后逐步缩小范围，猜出这个词，这个游戏跟决策树的工作原理类似。如下面从https://blog.youkuaiyun.com/bravery_again/article/details/81104914中的例子：别人给你介绍对象的时候，依据一些特点去判断，这个过程就形成了一棵树，如下图，哈哈： ...

feiyang5260的博客 1081

实战指南：如何用Frida绕过某梆加固的Anti-Frida检测（附完整脚本）

本文深入剖析了企业级加固方案中的Anti-Frida检测机制，并提供了实战对抗策略。通过分析基于文件系统、内存特征、行为及环境的多层次检测原理，文章详细介绍了如何定位检测逻辑、绕过maps文件扫描、对抗内存与行为特征检测，并附上了针对某梆加固的完整绕过脚本与系统化工程方案。

weixin_42527589的博客 595

编译CycloneDDS和CycloneDDS-CXX踩过的坑——CMake Error at CMakeLists.txt:227 (find_package):

最近编译CycloneDDS和CycloneDDS-CXX踩了两个坑，花了不少时间。做个简单的记录，免得以后又踩到。注意：CycloneDDS-CXX编译依赖CycloneDDS，因此必须先编译CycloneDDS需要严格按照步骤进行，否则要入坑步骤如下，1先编译CycloneDDS以上步骤完成CycloneDDS的编译和安装，生成的bin include lib等位于install目录下面。

usstmiracle的博客 1900

[机器学习]决策树模型及实验

机器学习决策树

weixin_73049545的博客 2297

两层板如何做阻抗控制呢

两层板如何做阻抗控制呢？这个问题可能很多人都会碰到，有的人在此等需要做阻抗控制的情况都选择做多层板。诚然，多层板在阻抗控制，EMC等等方面都有着天然的优势。然而，在价格上和周期上，两层板就有着绝对优势了。对于成本非常敏感而又不是太复杂的产品，尽管对于我们硬件工程师而言，有一堆的理由要求使用多层板。然而在面对毛都不懂的老板“别人能做，你为什么不能做？”这个问题时只得低下我们高傲的头颅。好...

weixin_42005993的博客 2万+

[ML]机器学习_决策树模型

决策树是一种经典的监督学习模型，它通过对数据集进行递归分区，最终形成一个树形结构，树上每个节点都对应一个关于特征的判断条件，而叶节点则是对应一个分类结果或者回归值。决策树可以用于分类（C4.5、CART）和回归（CART），其中分类树解决离散变量，回归树解决连续变量。决策树的构建过程一般包括以下几个步骤：特征选择：选择最优的特征作为当前节点的分裂依据，这一步通常根据信息熵或者基尼不纯度进行计算。

iazzz的博客 630

SAR成像系列：【3】合成孔径雷达（SAR）的二维回波信号与简单距离多普勒（RD）算法（附matlab代码）

二维回波信号分析

zr2006_7的专栏 2万+

Windows系统下com0com虚拟串口安装与驱动签名禁用全攻略

本文详细介绍了在Windows系统下安装com0com虚拟串口工具的全过程，包括驱动签名问题的解决方法。通过禁用驱动程序强制签名，用户可以顺利安装并使用这款开源工具创建虚拟串口对，适用于软件开发测试、硬件调试等场景。文章还提供了验证虚拟串口功能的实用技巧和常见问题解决方案。

weixin_28720573的博客 385

机器学习——决策树（Decision Tree）

决策树是一种模仿人类决策过程的机器学习算法，它通过学习简单的决策规则来预测目标变量的值。决策树模型由节点和边组成，形成一个树状结构。树的每个内部节点表示一个特征上的判断，每个边代表判断的结果，而每个叶子节点代表一个类别或决策结果。今天由我来向大家介绍决策树的相关算法以及如何构造和实现决策树。决策树(Decision Tree)是从一组无次序、无规则，但有类别标号的样本集中推导出的、树形表示的分类规则。一般的，一棵决策树包含一个根结点、若干个内部结点（中间结点）和若干个叶子结点。

zdx2585503940的博客 5478

编程实践：寒武纪-LLM&VLM模型量化&部署

本文介绍了在MLU370-S4平台上对大模型（LLM/VLM）进行量化的两种方法：SmoothQuant和WeightOnly。以Qwen2-VL-2B模型为例，详细说明了两种量化方式的命令行参数配置，包括必须设置的per_channel选项和量化参数调整建议。量化完成后，提供了模型部署的具体命令示例，包含设备分配、端口设置、并行度等关键参数。文章强调在MLU370芯片上需要手动设置block_size，并指出两种量化方式只能二选一使用。配套资料已上传至百度网盘供参考。

微风❤水墨 505

《machine learning in action》机器学习 算法学习笔记 决策树模型

决策树模型重要任务：是为了理解数据中所蕴含的知识信息，因此决策树可以使用不熟悉的数据集合，并从中提取出一系列规则，这些机器根据数据集创建规则的过程就是机器学习的过程。优点：计算复杂度不高，输出结果易于理解，对中间值的缺失不敏感，可以处理不相关特征数据。缺点：可能会产生过度匹配问题。范例：专家系统。如何构造决策树：编写构造树的python代码度量算法成功率递归建立分类器 Matplotlib绘制决策树图利用信息论划分数据集，伪代码： IF (整个数据集属于同一个类型) return 类

m0_52186223的博客 1040

【ComfyUI】SDXL + 单LoRA 房屋平面图渲染装修

本文介绍了一种基于ComfyUI的室内平面设计图自动生成效果图的工作流。该流程通过导入房屋平面图，结合SDXL室内设计模型与北欧风格LoRA模块，快速生成多房间效果展示。工作流包含图像输入、文本处理、模型加载和图像生成等环节，支持风格化渲染和细节补充，适用于建筑设计、家装展示、房地产营销等场景。核心采用SDXL通用室内设计模型和北欧极简LoRA，通过节点衔接实现自动化批量生成，能在短时间内将平面方案转化为逼真的三维效果图。该技术可提升设计呈现效率，辅助客户决策，并应用于教学研究领域。

Mr数据杨 3641

时间序列预测 | Python实现LSTM时间序列数据预测

目录LSTM神经网络LSTM原理LSTM数据下载LSTM程序设计导入Python包时序数据处理LSTM模块定义模型训练模型评估参数设定运行结果参考资料致谢 LSTM神经网络长短期记忆网络——通常简称为“LSTM”——是一种特殊的 RNN，能够学习长期依赖关系。它们由Hochreiter & Schmidhuber (1997)引入，并在后续工作中被许多人提炼和推广。1它们在处理各种各样的问题时效果非常好，现在被广泛使用。LSTM 被明确设计为避免长期依赖问题。长时间记住信息实际上是他们的默认行为

前程算法屋的博客 3910

决策树模型案例_机器学习进阶 决策树模型

本课程属于 Python人工智能 A 计划，不单独售卖，加入 A 计划可免费观看本课程及所有 Python人工智能收费课程~Python人工智能 A 计划永久有效期购买链接：http://www.sikiedu.com/classroom/14/introduction> 课程简介与内容本次课程中会给大家详细讲解机器学习中决策树模型，为后面的集成打基础前置知识信息与熵不确定性计算...

weixin_39876450的博客 194

蓝牙模块HM-10手册

蓝牙模块HM-10手册，该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

机器学习方法：15分钟带你吃透决策树模型

【本文的阅读时间约15分钟，希望大家耐心观看】这是机器学习方法系列科普文章，由浙中大公卫徐老师撰写，往期推文可以看集合。在众多机器学习模型中，决策树是最为简单直观的一种算法。它就像我们平常做决定时的过程，逐步排除可能的选项，最终得出结论。今天这篇文章中，我们将结合图例讲解讲解决策树的结构、数学原理、具体构建和优化过程，让大家在理解时不至于太抽象，同时我们也会提供构建决策树预测模型的数据和代码，感...

郑老师统计 2936

IEM模型，地表粗糙度模拟

利用微波反演土壤水分时候，利用IEM模型可以实现对随机地表的模拟

锂电池充电器电路设计里面有电路

锂电池充电器电路设计里面有电路 3.7V升压到5V电路设计。

决策树模型构建+调参Python代码——用决策树模型实现机器学习

决策树模型构建+调参Python代码——用决策树模型实现机器学习。

qq_41698317的博客 3526

复分析阿尔福斯(Ahlfors) 第三版答案英文

答案分为十章，有部分习题没有答案，全英文复分析阿尔福斯(Ahlfors) 第三版答案

【机器学习15】决策树模型详解

决策树算法前言一、决策树算法的概述1.树模型2.树模型基本流程二、熵的作用三、决策树构造实例四、信息增益率和gini系数五、剪枝方法六、分类、回归任务七、树模型的可视化展示八、决策边界展示分析九、决策树预剪枝常用参数十、回归树模型总结前言随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的决策树的详细内容。一、决策树算法的概述 1.树模型 决策树是一种树形结构，其中每个内部节点表示一个属性上的测试，每个分支代表一个测试输出，每个叶节点代表一种类别。