什么是python决策树算法

1、说明

决策树算法是在已知项目发生概率的基础上，通过构建决策树，求出净现值的期望值大于或等于零的概率，来评估项目风险并判断其可行性的一种决策分析方法。各种情况。

分类算法利用训练样本集得到分类函数，即分类模型（classifier），从而将数据集中的样本划分为各种类别。分类模型学习训练样本中属性集与类别之间的潜在关系，并以此为依据预测新样本属于哪个类别。

2、基本使用

决策树算法是一种直观地使用概率分析的图形方法。是一种非常常用的分类方法，属于监督学习。

决策树是一种树状结构，其中每个内部节点代表对一个属性的测试，每个分支代表一个测试输出，每个叶子节点代表一个类别。

决策树学习是一种基于实例的归纳学习。它采用自上而下的递归方法。其基本思想是构造一棵熵值最快的树作为信息熵的度量。叶节点处的熵值为零，此时每个叶节点中的实例属于同一类。

决策树学习算法的优点是可以自己学习。在学习的过程中，用户不需要了解太多的背景知识。它只需要很好地标记训练示例即可学习。