19.3 决策树学习方法

19.3 决策树的学习AI导览本节将带你了解决策树学习的基础框架，说明如何用信息增益来进行属性选择，并介绍模型的表达能力及一些常见改进方向。决策树由于具有良好的可解释性，且能较灵活地处理离散与连续数据，因此在早期人工智能与当代数据挖掘中都发挥了重要作用。不过，实际应用中也需要留意过拟合、树的深度以及缺失数据等问题。决策树（decision tree）对应一类函数：它把属性值组成的向量映射为单一的输出结果，也就是“决策”。决策树通过执行一系列测试来完成判断：从根节点开始，沿着合适的分支向下走，直到抵达叶节点