DS&ML_决策树模型

其他相关文章

DS&ML_关联性分析笔记
DS&ML_分类算法笔记之支持向量机SVM模型
DS&ML_分类算法笔记之随机森林、提升树及XGBoost模型
DS&ML_分类算法笔记之k-近邻与KD-Tree模型
DS&ML_降维算法笔记之主成分分析PCA模型
DS&ML_分类算法笔记之朴素贝叶斯模型
DS&ML_聚类算法笔记之k-means模型
DS&ML_分类算法笔记之逻辑回归模型

对于决策树模型的相关知识点的总结与整理

简单描述一下决策树模型的思想，决策树是什么？

决策树模型是一种基于树状结构的分类模型其本质是通过分治算法自上而下构建决策树具体而言通过分析训练样本数据集构建一系列分类规则这些规则能够指导对新样本进行分类同时该方法属于监督学习范畴其中包含两类关键变量即输出变量和输入变量其中输出变量对应分类结果而输入变量则用于做出判断

核心区别在于决策树体系遵循以逻辑为基础的分类规则与传统统计分类方法以非逻辑为基础的不同。

两个关键步骤

• 特征的提取：根据变量对分类效果重要性高低的标准，在特征空间中选择相应的变量及其取值范围。
  • 数据的分类处理（采用多种算法）

具体算法

基于根节点的所有输入变量中的某个特定特征开始分析。