决策树总结 ID3算法、C4.5算法和CART算法比较 算法 树结构 支持模型 特征选择 连续值处理 缺失值处理 剪枝 ID3 分类 多叉树 信息增益 不支持 不支持 不支持 C4.5 分类 多叉树 信息增益比 支持 支持 支持 CART 分类、回归 二叉树 基尼指数、均方差 支持 支持 支持 决策树优缺点 优点 简单明了，生成的决策树很直观，在逻…
第四节：决策树总结
第五节：scikit-learn库之决策树
scikit-learn库之决策树 在scikit-learn库中决策树使用的CART算法，因此该决策树既可以解决回归问题又可以解决分类问题，即下面即将讲的DecisionTreeClassifier和DecisionTreeRegressor两个模型。 接下来将会讨论这两者的区别，由于是从官方文档翻…
第六节：决策树(鸢尾花分类)
决策树(鸢尾花分类) 导入模块 import numpy as np import matplotlib.pyplot as plt from matplotlib.colors import ListedColormap from matplotlib.font_manager import FontProperties from sklearn…