决策树背景
决策树的概念是选择拆分，以减少所生成的实例子集中的类分布杂质。与此同时，提高一个或多个类相对于其他类的支配地位。
这样，进行几次拆分后，您就可以找到一个子集，其中仅包含一个类的实例。
对于决策树，二叉树是首选，因为与基数属性较高的树相比，它们更容易广义化。
创建和使用决策树模型包括下列用于决策树的算法子任务：
- 增长
- 修剪
- 预测
决策树的概念是选择拆分，以减少所生成的实例子集中的类分布杂质。与此同时，提高一个或多个类相对于其他类的支配地位。
这样，进行几次拆分后，您就可以找到一个子集，其中仅包含一个类的实例。
对于决策树，二叉树是首选，因为与基数属性较高的树相比，它们更容易广义化。
创建和使用决策树模型包括下列用于决策树的算法子任务：