① 機器學習經典演算法-決策樹
機器學習經典演算法決策樹是一種通過構建樹狀結構來進行數據分類或預測的演算法。以下是關於決策樹的詳細解答：
一、主要應用 主要應用於分類和回歸問題。
二、構建過程 包括選擇特徵、判斷條件、直至類別預測的步驟。
三、優點 直觀性和易於解釋：通過樹狀結構清晰展示出決策路徑。
四、局限 容易過擬合：尤其是處理雜訊數據時。 對缺失值敏感。 處理連續特徵時可能效果不佳。
五、常見演算法 ID3：適用於特徵明顯、雜訊少的情況。 C4.5：能處理更多雜訊。 CART：特別是基於基尼不純度的版本，適合處理大規模數據集。
六、實戰應用 利用Python的Scikitlearn庫，通過鳶尾花數據集展示CART演算法的應用。 核心在於選擇具有最低基尼不純度的特徵進行分裂，不斷細化每個節點的類別純度，直至達到預設的停止條件，從而形成最終的決策樹模型。