决策树
基本信息
简 介：
关 键 词：
模 型 背 景：决策树（decision tree）是一类常见的机器学习方法。
模 型 原 理：决策树(Decision Tree）是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。
实施分析步骤：一般的，一棵决策树包含一个根结点、若干个内部结点和若干个叶结点；叶结点对应于决策结果，其他每个结点则对应于一个属性测试；
模 型 应 用：以气象数据为例来说明决策树创建的过程。
运行效果评价： 优点 决策树易于理解和实现，人们在在学习过程中不需要使用者了解很多的背景知识，这同时是它的能够直接体现数据的特点，只要通过解释后都有能力去理解决策树所表达的意义。
输入输出参数
设置：决策树（decision tree）是一类常见的机器学习方法。
方法正文
推荐方法
距离判别分析简介
帕累托图
控制图
支持向量机简介
贝叶斯分类
最近邻分类
决策树
系统聚类
二阶聚类
分类
