【文档说明】 本文是自己整理的一些重点知识点，也是面试中会被问到的知识点 【文档结构】 决策树 信息熵（Entropy） 什么是决策树 决策树的构建过程 决策树分割属性选择 决策树量化纯度 决策树量化纯度 信息增益率计算方式 决策树的停止条件 决策树算法效果评估 决策树生成算法 ID3算法 ID３算法优缺点 C4.5算法 8 CART算法 8 ID3\C4.5\CART分类回归树算法总结 分类树和回归树的区别 决策树优化策略 决策树的剪枝 决策树剪枝过程 附录：

matlab实现ID3决策树代码，例程中使用西瓜数据集，运行decisionTree.m即可

机器学习入门到精通50天，python代码编写，1.数据预处理 2.简单线性回归 3.多元线性回归 4.逻辑回归 5.k近邻法(k-NN) 6.支持向量机(SVM) 7.决策树 8.随机森林 9.K-均值聚类 10.层次聚类

该例程是针对阿里天气大数据预测，并进行无人机航路规划。使用了sklearn的决策树方法

决策树算法实现分类，采用c语言进行编写！能够进行MFC显示，结果比较好！

决策树方法在分类、预测、规则提取等领域有着广泛应用。在20世纪70年代后期和80年代初期，机器学习研究者J.Ross Quinilan提出了ID3[5-2]算法以后，决策树在机器学习、数据挖掘邻域得到极大的发展。Quinilan后来又提出了C4.5，成为新的监督学习算法。1984年几位统计学家提出了CART分类算法。ID3和ART算法大约同时被提出，但都是采用类似的方法从训练样本中学习决策树。

python实现机器学习之决策树分类算法，简单易学，而且可直接运行。

西电数据挖掘作业之决策树和文本聚类，

matlab开发-多变量决策树。多元ADTree是交替决策树（ADTree）的多元扩展。

python实现决策树分类算法 ID3算法 数据挖掘分类算法，完整代码