斑驳记忆的专栏

对于写递归次数不多的人来说，这个递归可能不是那么好写，代码中creat(x,y)返回的是我让你从编号x到编号y建一棵完全二叉搜索树的父亲节点编号，这个过程是通过计算，假如我有x,x+1,x+2,....y这么多个点建树，那么这棵树的左右子树分别是多少个点，递归建左右子树后，返回这颗树的父亲节点编号，建完树以后就一遍bfs非常简单了。代码如下： #include #include #inclu

ID3决策树主要是用来进行分类，它的主要做法还是比较简单的，但是基于是递归的建树，所以写起代码来不是那么好写，它的做法大概是： 对于初始样本，选择一个最优的feature(怎么样算是最优,下面会解释),将一个点根据这个feature的不同取值，分成不同的分支，也就是说feature取几个值，就有几个分支，然后递归它的每一个分支，直到达到某些条件则停止递归。

之前讲过ID3和C4.5决策树，CART和他们的区别虽然不大，但还是有一些值得说明的区别： 1 CART节点分支只能是两个,就是说二分,对于连续型feature，那么就和C4.5的方法一样，选取最优的分界。如果是离散型feature,那么我们想要分成两部分，就显得比较复杂，比如说1,2,3分成两部分，可以是{1,2}，{3}和{1,3}，{2}，{2,3},{1}。这里可以说一个公式,n个属性，