什么是决策树？

[tanjimajha12]

分类和回归树是用于描述用于分类和回归学习任务的决策树算法的术语。

分类和回归树方法（也称为 CART）由 Leo Breiman、Jerome Friedman、Richard Olshen 和 Charles Stone 于 1984 年提出。

为了更好地理解分类和回归树，我们首先需要了解决策树及其使用方法。

虽然周围有很多分 伊朗手机号码列表 类和回归树 ppt 和教程，但我们需要从基础开始。


如果将其简化到最基本，决策树算法只不过是 if-else 语句，可用于根据数据预测结果。例如，这是一棵简单的决策树，用于预测泰坦尼克号上的乘客是否幸存。

分类和回归树源码-quoracdn.Net
决策树
机器学习算法可分为两种类型：监督式和无监督式。决策树是一种监督式机器学习算法。它具有树状结构，其根节点位于顶部。

分类和回归树教程
CART 或分类和回归树方法指的是这两种类型的决策树。

虽然有很多分类和回归树教程以及分类和回归树 ppt，但这里对两种决策树进行了简单的定义。它还包括分类和回归树示例。

（一）分类树
分类树是一种算法，其中目标变量是固定的或分类的。然后，该算法用于识别目标变量最有可能属于的“类别”。

分类类型的问题的一个例子是确定谁将会或不会订阅数字平台；或者谁将会或不会从高中毕业。

想知道成为数据科学专家的途径吗？
下载详细手册并免费参加由行业专家主持的在线现场演示课程。

日期：3月8日（星期六） |上午 11 点 - 中午 12 点（印度标准时间）
姓名（必需的）
姓名 *
电子邮件（必需的）
电子邮件 *
电话（必需的）
电话 *
这些是简单二元分类的示例，其中分类因变量只能假设两个互斥值中的一个。在其他情况下，您可能需要在多个不同的变量中进行预测。例如，您可能需要预测消费者可能决定购买哪种类型的智能手机。

在这种情况下，分类因变量有多个值。这是经典分类树的样子。

分类和回归树源码-netdna-ssl.com
分类树
（二）回归树
回归树是指以目标变量为目标，用该算法预测其值的算法。作为回归类型问题的一个例子，您可能想要预测住宅的售价，这是一个连续的因变量。

这将取决于诸如平方英尺之类的连续因素以及诸如房屋风格，房产所在区域等分类因素。