Open carlos9310 opened 5 years ago
https://carlos9310.github.io/2019/07/14/%E5%86%B3%E7%AD%96%E6%A0%91%E4%B8%8E%E9%9A%8F%E6%9C%BA%E6%A3%AE%E6%9E%97/
决策树决策树是一种基本的分类与回归方法。它利用分治的思想，将训练样本集(根节点)按某种准则在特征空间上选择某种特征后递归地分成不同的子集(内部节点)，当子集满足某种条件后，则停止划分。最终得到的不能划分的子集(叶节点)互不相交，共同组成了最初的训练样本集。上述过程可以看成是if-then规则的集合，即决策树的根结点到叶结点的每一条路径构建了一条规则；路径上内部结点的特征对应规则的条件，而叶结点的类别对应规则的结论。也可以理解为类别空间在特征空间上的条件概率分布，即将$P\left( \text{类别} \right) $转为$P\left( \text{类别}\left| \text{特征} \right. \right)$。
https://carlos9310.github.io/2019/07/14/%E5%86%B3%E7%AD%96%E6%A0%91%E4%B8%8E%E9%9A%8F%E6%9C%BA%E6%A3%AE%E6%9E%97/
决策树决策树是一种基本的分类与回归方法。它利用分治的思想，将训练样本集(根节点)按某种准则在特征空间上选择某种特征后递归地分成不同的子集(内部节点)，当子集满足某种条件后，则停止划分。最终得到的不能划分的子集(叶节点)互不相交，共同组成了最初的训练样本集。上述过程可以看成是if-then规则的集合，即决策树的根结点到叶结点的每一条路径构建了一条规则；路径上内部结点的特征对应规则的条件，而叶结点的类别对应规则的结论。也可以理解为类别空间在特征空间上的条件概率分布，即将$P\left( \text{类别} \right) $转为$P\left( \text{类别}\left| \text{特征} \right. \right)$。