學習筆記嗎，僅供參考，有錯必糾

---

文章目錄

• • 決策樹與隨機森林
  • • 基本流程
    • • 決策樹定義及結構
      • 決策樹學習步驟
    • 劃分選擇
    • • 信息增益
      • 增益率
      • 基尼基數
      • 剪枝處理
    • 隨機森林

---

決策樹與隨機森林

決策樹(decision tree)是常用的機器學習與數據挖掘方法，它代表的是對象屬性與對象
值之間的一種映射關系，可以用于分析數據和預測，其主流算法包括ID3算法、C4.5算法、CART算法。

基本流程

決策樹定義及結構

決策樹又稱為判定樹，是一種基于實例的基本分類與回歸方法，從一組無次序、無規則的事例中推理出以樹為表示形式的分類規則，形成分類器和預測模型。

決策樹由結點和有向邊構成。結點包括

總結

以上是生活随笔為你收集整理的机器学习中的不平衡分类方法(part5)--决策树与随机森林的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。