本文共 325 字,大约阅读时间需要 1 分钟。
决策树:决策树是一个树形结构,每个非叶节点表示一个特征树形的测试,每个分支代表这个特征属性在某个值域上的输出,而叶节点存放一个类别。
使用决策树进行决策的原理就是:
从根节点开始,基于特定(可能最好或最坏)的属性值划分测试数据,并根据期望(最好或最坏)选择输出分支,这里期望的判断,一般采用计算香农熵划分。划分后数据根据划分结果存储在子叶的节点上。(说明:输出节点多少根据期望决定,例如判断是否,则分支2个;如果期望好,一般,坏,则子节点3个等等)。然后下一节点可再根据属性值划分数据,依次递归。递归结束的条件主要概况为:程序遍历完所有测试数据,或者每个分支下的所有结果都有相同的分类。
应用场景:
决策树是一种分类算法,一般用于决策、分类等情况。