本文介绍了决策树这一常用的机器学习方法。决策树是一种易于理解和使用的分类器，通过对训练数据的学习构建决策树模型，能够高效地对未知数据进行分类。决策树的优点包括良好的可读性和描述性，以及高效的预测能力。
决策树是以类常见的机器学习方法，决策树（Decision Tree）是一种简单但是广泛使用的分类器。通过训练数据构建决策树，可以高效的对未知的数据进行分类。决策数有两大优点：1）决策树模型可以读性好，具有描述性，有助于人工分析；2）效率高，决策树只需要一次构建，反复使用，每一次预测的最大计算次数不超过决策树的深度。
因为实在是太懒了，不想一个一个字敲了，纯属学习总结：
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
