决策树分类算法(包含隐形眼镜分类的代码)

决策树-(Detection Tree)


首先它是一个有监督学习算法 、属于判别模型非线性分类

优缺点:

优点:
(1)能够处理数值型和类别型数据
(2)不需要先验知识和参数假设
(3)适合高维数据
(4)准确性高,计算量小
缺点:
(1)决策树的结果不太稳定,数据很小变化会导致生成一个完全不同的树
(2)决策树学习基于启发式,每次寻找每个节点的局部最优就决策,无法保证全局最优
(3)决策树可以创建很复杂的树,但是可能无法推广,也即是过拟合,为此剪枝很关键

适用数据类型:数值型和标称型。

应用场景:常用于分类和回归,市场营销和生物医药

描述:

参考:决策树学习的本质: 从训练集中归纳出一组分类规则,或者
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

heda3

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值