① 机器学习经典算法-决策树
机器学习经典算法决策树是一种通过构建树状结构来进行数据分类或预测的算法。以下是关于决策树的详细解答：
一、主要应用 主要应用于分类和回归问题。
二、构建过程 包括选择特征、判断条件、直至类别预测的步骤。
三、优点 直观性和易于解释：通过树状结构清晰展示出决策路径。
四、局限 容易过拟合：尤其是处理噪声数据时。 对缺失值敏感。 处理连续特征时可能效果不佳。
五、常见算法 ID3：适用于特征明显、噪声少的情况。 C4.5：能处理更多噪声。 CART：特别是基于基尼不纯度的版本，适合处理大规模数据集。
六、实战应用 利用Python的Scikitlearn库，通过鸢尾花数据集展示CART算法的应用。 核心在于选择具有最低基尼不纯度的特征进行分裂，不断细化每个节点的类别纯度，直至达到预设的停止条件，从而形成最终的决策树模型。