机器学习(七) 本文(4万字) | 决策树(Decision Tree) | Python复现 |

小酒馆燃着灯

已于 2025-05-22 12:53:53 修改

阅读量996

点赞数 16

分类专栏：人工智能（机器学习-深度学习-目标检测）文章标签：机器学习决策树 python 人工智能深度学习 YOLO DT

于 2023-12-31 00:08:36 首次发布

本文链接：https://blog.youkuaiyun.com/weixin_44302770/article/details/135309418

版权

人工智能（机器学习-深度学习-目标检测）同时被 2 个专栏收录

95 篇文章 ¥29.90 ¥99.00

订阅专栏

人工智能专栏计划

142 篇文章

已下架不支持订阅

本文深入探讨了决策树的原理与算法，包括ID3、C4.5和CART的区别与实现。内容涵盖决策树的定义、结构、学习过程、损失函数、剪枝策略，以及Python代码实现。文章还提供了预剪枝和后剪枝的代码示例，展示了如何在实际中构建和评估决策树模型。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

决策树(Decision Tree)

文章目录

决策树(Decision Tree)
决策树python源码实现（含预剪枝和后剪枝）
- 一、说明
- 二、代码实现

决策树（ID3、C4.5、CART）的原理、Python实现、Sklearn可视化和应用 (zhihu.com)

什么是决策树

决策树分类，回归

策略损失函数最小化

损失函数正则化的极大似然函数

决策树(Decision Tree)是在已知各种情况发生概率的基础上，通过构建决策树来进
行分析的一种方式，是一种直观应用概率分析的一种图解法

决策树是一种预测模型，代表的是对象属性与对象值之间的映射关系

的if-t