研究生系统化入门教程（四）【机器学习】分类算法：决策树(信息熵，信息增益)；集成学习方法之随机森林：估计器的工作流程是什么？为何采用BootStrap抽样？
“一般人都不是他们想要做的那种人，而是他们不得不做的那种人。——毛姆《月亮与六便士》”
🎯作者主页： 追光者♂🔥
🌸个人简介：
📝[1] CSDN 博客专家📝
🏆[2] 人工智能领域优质创作者🏆
🌟[3] 2022年度博客之星人工智能领域TOP4🌟
🌿[4] 2023年城市之星领跑者TOP1(哈尔滨)🌿
🏅[5] 阿里云社区特邀专家博主🏅
💖[6] 计算机专业硕士研究生💖
- 无限进步，一起追光！！！
🍎感谢大家 点赞👍 收藏⭐ 留言📝！！！
百题千解 专栏
目录
- 续：分类算法
- 1.1 决策树
- 1.1.0 学习目标
- 1.1.1 决策树
- 1.1.2 决策树分类原理
- 1.1.3 信息熵
- 信息熵的定义
- 小结
- 1.1.4 决策树的划分依据之一------信息增益
- 定义、公式
- 贷款特征重要计算
- 1.1.5 决策树的三种算法实现
- 决策树相关API
- 1.1.6 小案例：泰坦尼克号乘客生存预测
- 简析
- 实例代码
- 1.1.7 保存树的结构到dot文件