《机器学习Python实战》课件 14-项目7 决策树算法原理讲解.pptxVIP

机器学习项目六|6.1项目知识准备|朴素贝叶斯分类算法实战《机器学习Python实战》?机器学习?项目7决策树与随机森林预测建模

17.1.1决策树的算法原理和构造27.1.2随机森林的算法原理和构造目录CONTENTS

学习目标知识目标1．理解决策树的算法原理和构造。2．掌握随机森林的算法原理和构造能力目标1．能够正确使用决策树模型。2．能熟练使用决策树和随机森林解决分类和回归问题素质目标1．培养数据分析与决策能力。2．培养科技兴国抱负

017.1.1决策树的算法原理和构造

决策树的算法原理和构造?决策树算法可以被看作一个多级嵌套的选择结构，通过一系列问题的回答，逐步选择树中的路径，最终到达一个表示结论或类别的叶子节点?典型应用：预测明天是否下雨、判断某个商品是否畅销、评估是否能申请贷款、根据成绩推荐合适的志愿等?随机森林算法是由多棵决策树组成的集成方法，通过综合各决策树的结果来得出最终结论?例如挑选好西瓜：先收集西瓜的相关特征数据，再使用决策树或随机森林模型进行分析，输入特征数据后，模型将输出关于西瓜好坏的判断结果本项目围绕决策树与随机森林展开，完成“算法原理→项目实训→算法详解→项目拓展”的完整学习闭环

决策树的算法原理和构造?决策树（decisiontree）是一种常用的监督学习方法，既可用于分类任务，也可用于回归任务?它通过