1.基于树的模型比线性模型更好吗？ 　　如果我可以使用逻辑回归解决分类问题和线性回归解决回归问题，为什么需要使用树模型？ 我们很多人都有这个问题。 实际上，你可以使用任何算法。 这取决于你要解决的问题类型。 其中有一些关键因素，它们将帮助你决定使用哪种算法： 如果因变量和自变量之间的关系 ...

2015-04-05 数据海洋 营销预测模型的目标变量很多为一种状态或类型，如客户“买”还是“不买”、客户选择上网方式为 “宽带”还是“拨号”、营销战通道是邮件、电话、还是网络。我们把这类问题统称为 “分类”。决策树和逻辑回归都是解决“分类”问题的高手。用不同的算法解答同样的问题 ...

写在前面的话 趁着现在我还是高中数理化老师，偶尔兼职英语老师的时候赶紧抓紧时间写点有关计算机科学技术的东西。一来是表示我对计算机的热爱，二来，当然是最重要的咯，满足一下我强大的虚荣心。哈 ...

CART算法 原理 CART全称为Classification and Regression Tree。 回归树 相比ID3，CART遍历所有的特征和特征值，然后使用二元切分法划分数据子集，也就是每个节点都只会分裂2个分支。接着计算数据子集的总方差来度量数据子集的混乱程度，总方差越小 ...

决策树笔记整理 算法原理 决策树是一种简单但是被广泛使用的分类器。通过训练数据构建决策树，可以高效的对未知的数据进行分类。它有两个有点：（1）决策树模型可读性好，具有描述性，有助于人工分析；（2）效率高 ...

参考：《机器学习》Tom版 以及http://blog.csdn.net/v_july_v/article/details/7577684 一、简介 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。树中每个节点表示某个对象，而每个分叉路径则代表的某个可能的属性值，而每个叶 ...

又叫判定树，是一种基本的分类与回归方法。 优点：可读性强，分类速度快，容易转换成if-then分类规则 通常分为3个步骤：特征（属性）选择、决策树的生成、决策树的修剪。 特征选择即选择分裂属性，又叫属性选择度量，把数据划分成较小的分区。 决策树的生成又叫决策树学习或者决策树 ...

一、信息论基础 树具有天然的分支结构。对于分类问题而言，决策树的思想是用节点代表样本集合，通过某些判定条件来对节点内的样本进行分配，将它们划分到该节点下的子节点，并且要求各个子节点中类别的纯度之和应高于该节点中的类别纯度，从而起到分类效果。 节点纯度反映的是节点样本标签的不确定性。当一个节点 ...