机器学习入门：掌握决策树的工作原理及其编码实践

机器学习入门（2）决策树

• 1 算法原理

  • • 1.1 定义决策树

    • 1.3 学习机制

    • • 1.3.1 不纯度（GINI指数与熵）
      • 1.3.2 特征筛选
      • 1.3.3 构建树结构
      • 1.3.4 树剪枝

    • 1.4 决策树三种常用算法

    • • 1.4.1 ID3算法/基本决策树
      • 1.4.2 C4.5算法
      • 1.4.3 CART算法

    • 1.5 决策树算法的参数

    • 1.6 决策树算法总结

  • 2 Demo实践

  • • 2.1 模型训练
    • 2.2 可视化
    • 2.3 模型预测

  • 3 数据分析

  • • 3.1 数据读取
    • 3.2 缺失值处理
    • 3.3 信息查看
    • 3.4 可视化描述

  • 4 建模预测

  • • 4.1 二分类预测任务

    • • 4.1.1 构建决策树模型
      • 4.1.2 模型预测
      • 4.1.3 结果可视化

    • 4.2 三分类（多分类）预测任务

    • • 4.2.1 构建决策树模型
      • 4.2.2 模型预测
      • 4.2.3 结果可视化

• 熟悉决策树模型的基础知识