决策树作为分类算法在这个视频中我们讲决策树推广位回归算法。以便我们可以预测一个数值。我们用之前的例子用其他离散的特征来预测动物的体重我们看看决策树是什么样子的我们已经构建了这样的一个树他的根节点是耳朵然后根据脸型去分最后达到了叶子节点叶子节点是分好类的动物体重的平均值如果一个新的样本走到这里那么也是平均值。如果要从新开始构建这个决策树体重等这些关键决策是如何选择要分割的特征呢我们根据三个特征进行分割最后得到三个树我们应该如何判断那一个最佳的呢在这里我们不再视图减少熵这是在分类的时候使用的杂质度量而是试图减少数据子集中Y体重的方差方差统计的是一组数字的变化范围与之前的决策树相比回归树判断节点的信息增益是加权的方差决策树是纯度选择信息增益最大的特征作为节点。 来自尧图内容编辑团队
内容团队 本文由尧图网络内容编辑团队执笔。团队由资深项目经理、前端工程师与设计师组成，所有内容均来自亲手交付的真实项目，先讲清问题、再给出可落地的解法。尧图深耕北京网站建设十年，服务过京华建材集团、智造科技等各行业客户，把一线经验沉淀为可复用的行业观察。
相关资讯与近期热门内容
建站决策前值得细读的三篇
