Python数据分析与挖掘实战第五章笔记之决策树

最新推荐文章于 2022-11-14 14:50:50 发布

tatumWei

最新推荐文章于 2022-11-14 14:50:50 发布

阅读量1.2k

点赞数

CC 4.0 BY-SA版权

分类专栏：数据分析与数据挖掘

本文链接：https://blog.youkuaiyun.com/qq_41775711/article/details/80500382

本文介绍了决策树算法，包括ID3、C4.5和CART，并详细讲解了ID3的计算步骤。此外，通过Python代码展示了如何使用sklearn库实现决策树预测销量高低的过程，并利用可视化工具展示决策树结构。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

#决策树算法分类：
# 1、ID3算法：其核心是在决策树的各级节点上，使用信息增益方法作为属性的选择标准，来帮助确定生成每个节点时所应采用的合适属性
# 2、C4.5算法：是使用信息增益率来选择节点属性，ID3只适用于离散的属性描述，而C4.5既能够处理离散的描述属性，也可以处理连续的描述属性
# 3、CART