机器学习之决策树算法原理

蒋瑾瑶

472人浏览 · 2020-09-02 19:39:59

蒋瑾瑶 · 2020-09-02 19:39:59 发布

决策树介绍

决策树算法是一种逼近离散函数值的方法。它是一种典型的分类方法，最早产生于上世纪60/70年代，由J Ross Quinlan提出了ID3算法和C4.5算法。C4.5算法在ID3算法的基础上进行了改进，对与预测变量的缺值处理，剪枝技术，派生规则等方面做了较大的改进，既适合于分类问题，又适用于回归问题。
在这里插入图片描述

决策树原理：信息增益、信息增益率与基尼系数

在这里插入图片描述

决策树原理-ID3

在这里插入图片描述

决策树原理-C4.5

在这里插入图片描述

决策树原理-基尼系数

在这里插入图片描述

魔乐社区

魔乐社区（Modelers.cn) 是一个中立、公益的人工智能社区，提供人工智能工具、模型、数据的托管、展示与应用协同服务，为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作，由全产业链共同建设、共同运营、共同享有，推动国产AI生态繁荣发展。

更多推荐

小参数・大码力・易部署 | Qwen3.6-27B上线魔乐社区，基于昇腾的部署教程来了

继一周前模型开源发布后，千问再度开源Qwen3.6-27B —— 一个拥有270亿参数的稠密多模态模型，也是社区呼声最高的模型规格。Qwen3.6-27B 依然支持多模态思考与非思考模式，在智能体编程方面达到了旗舰级表现，全面超越前代开源旗舰 Qwen3.5-397B-A17B（总参数397B / 激活参数17B的MoE模型）。作为稠密架构，它无需MoE路由即可部署，是开发者在实用、可广泛部署规模