决策树CART算法 决策树C4.5算法虽然对决策树ID3算法做了很大的改良，但是缺点也是很明显的，无法处理回归问题、使用较为复杂的熵来作为特征选择的标准、生成的决策树是一颗较为复杂的多叉树结构，CART算法针对这些问题又做了进一步的优化。 决策树CART算法学习目标 基尼指数和熵 CART算法对连续值和特征值的处理 CART…
第三节：决策树CART算法
第四节：决策树总结
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…