第九周学习

这周加深了对树形结构的学习。

决策树的优点：决策树易于理解和解释.人们在通过解释后都有能力去理解决策树所表达的意义。 对于决策树，数据的准备往往是简单或者是不必要的.其他的技术往往要求先把数据一般化，比如去掉多余的或者空白的属性。能够同时处理数据型和常规型属性。其他的技术往往要求数据属性的单一。  易于通过静态测试来对模型进行评测。表示有可能测量该模型的可信度。 可以对有许多属性的数据集构造决策树。决策树可很好地扩展到大型数据库中，同时它的大小独立于数据库的大小。

决策树的缺点：

 对于那些各类别样本数量不一致的数据，在决策树当中,信息增益的结果偏向于那些具有更多数值的特征。  决策树处理缺失数据时的困难。  忽略数据集中属性之间的相关性。