机器学习算法篇 - 决策树

一、基本概念

决策树是一种树状模型，可以用于处理有监督的分类问题（目标变量为离散型）或者回归问题（目标变量为连续型）。决策树从根节点开始，依次在每个内部节点选取最优属性对该节点的样本集进行分割，直到生成叶子节点为止。不难看出，决策树可以以图形化的方式展示模型原理，同时也能提炼为一组“if-else”的规则集合，模型具有很强的可读性，这也是决策树广泛应用的原因之一。

二、算法简介

转载于:https://juejin.im/post/5ae91d1ff265da0b736d72ff