决策树是一种自上向下，对样本数据进行树形分类的过程。结点分为内部结点和叶节点。每个内部结点代表一个特征，叶节点代表类别。从顶部根节点开始，所有样本聚在一起。经过根节点的划分，样本被划分到不同子节点，再根据子节点特征进一步划分，直到所有样本都被归到某一个类别(叶节点)。
- 决策树可用于分类与回归问题，应用于集成学习可得到随机森林、GBDT等模型。简单直观、可解释性强。
- 决策树的生成过程包含了特征选择、树的构造、树的剪枝三个过程。
- 我们既希望决策树能够拟合数据，有良好分类效果。也希望控制复杂度，有一定泛化效果。
- 常见决策树算法有ID3、C4.5、CART
下一题：决策树的优点及缺点有哪些？
标签： 决策树、样本、节点、结点、划分
笔试题
刷题
简历模板
AI算法
大数据
内推
内推：
