第四章内容概要
B站视频吃瓜内容概要：
关于决策树：
决策树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，是直观运用概率分析的一种图解法，在机器学习中，决策树是一个预测模型，他代表的是对象属性与对象值之间的一种映射关系。 Entropy = 系统的凌乱程度，使用算法 ID3, C4.5 和C5.0生成树算法使用熵。 这一度量是基于信息学理论中熵的概念。 决策树是一种树形结构，其中每个内部节点表示一个属性上的测试，每个分支代表一个测试输出，每个叶节点代表一种类别。 分类树（决策树）是一种十分常用的分类方法。
决策树学习的目标：根据给定的训练数据集构建一个决策树模型，使它能够对实例进行正确的分类
决策树学习的本质：从训练集中归纳出一组分类规则，将样本集合进行拆分
决策树学习的损失函数：正则化的极大似然函数
决策树学习的测试：最小化损失函数
内容来源：
【吃瓜教程】《机器学习公式详解》（南瓜书）与西瓜书公式推导直播合集_哔哩哔哩_bilibili
机器学习-周志华
文章出处登录后可见！
已经登录？立即刷新
