python决策树计算例题及答案（python决策树算法是什么）
1 、说明
决策树算法是在已知各种情况发生概率的基础上 ，通过构成决策树来求取净现值的期望值大于等于零的概率 ，评价项目风险 ，判断其可行性的决策分析方法 。
分类算法是利用训练样本集获得分类函数即分类模型(分类器) ，从而实现将数据集中的样本划分到各个类中 。分类模型通过学习训练样本中属性集与类别之间的潜在关系 ，并以此为依据对新样本属于哪一类进行预测 。
2 、基本使用
决策树算法是直观运用概率分析的一种图解法 ，是一种十分常用的分类方法 ，属于有监督学习 。
决策树是一种树形结构 ，其中每个内部结点表示在一个属性上的测试 ，每个分支代表一个测试输出 ，每个叶子结点代表一种类别 。
决策树学习是以实例为基础的归纳学习 ，它采用自顶向下的递归方法 ，其基本思想是以信息熵为度量构造一颗熵值下降最快的树 ，到叶子结点处的熵值为零 ，此时每个叶子节点中的实例都属于同一类 。
决策树学习算法的优点是 ，它可以自学习 ，在学习的过程中不需要使用者了解过多的背景知识 ，只需要对训练实例进行较好的标注 ，就能够进行学习 。
创心域SEO版权声明：以上内容作者已申请原创保护，未经允许不得转载，侵权必究！授权事宜、对本内容有异议或投诉，敬请联系网站管理员，我们将尽快回复您，谢谢合作！