决策树

约 141 个字 预计阅读时间不到 1 分钟

1.基本流程

分而治之

2.划分选择

2.1 信息增益

ID3

2.2 增益率

C4.5

2.3 基尼指数

CART

3.剪枝处理

3.1 预剪枝

3.2 后剪枝

4.连续与缺失值

4.1 连续值处理

二分法

4.2 缺失值处理

5.多变量决策树

OC1

6.可增量学习的决策树

在接受到新样本后对已学得的模型进行调整，而不完全重新学习，主要机制是通过调整分支路径上的划分属性次序来对树进行部分重构。

ID4

ID5R

ITI