大家好，我是同学小毛毛。今天，本文将与您一起学习决策树的原则
实际上，像每个人一样，我最不喜欢观看的是算法的原理，因为这部分充满了公式和符号
但是，如果您想成为“怪物”，“ xiaobai”将无法绕过这一部分
但是，当毛泽东再次写这篇文章时，他会尝试使用简单的理解单词。具体示例，使原则较难理解
不合适的写作地方，包含很多
本文的目录：
1.1决策树如何工作
1.2建立决策树
1.2.1 ID3算法构建决策树
1.2.2简单示例
1.2.3 ID3的限制
1.3 C4.5算法和卡算法
1.3.1修改本地优化条件
1.3.2连续变量处理意味着
决策树是一种非参数监督和学习方法。它可以总结一系列特征和标签制定决策规则，并使用树图的结构介绍这些规则。
解决分类和回归问题。制定树算法易于理解，并且适用各种数据。在解决各种问题时，它具有良好的性能，尤其是与树模型作为核心的各种集成算法，这些算法广泛用于各种行业和领域。
您似乎了解上述内容吗？这并不重要，我们将进一步解释。
决策树算法的本质是图形结构。
就像一个非常好的行为的“秘书”。
只要我们不断问他这个问题，我们就可以得到想要的答案。
如果您说上述解释，您仍然不明白。
然后放弃（狗头）
让我们看一个特定的例子
例如，查看以下数据集
在没有更多功能或总体杂质指标最佳的情况下，决策树将停止生长。
写在：
本文参考教程：CAI CAI的SK-LARN课程
如果有不适当的写作或不正确的地方，我希望读者将包含更多