1 机器学习 决策树学习 2 决策树学习概述 决策树学习的适用问题 决策树建树算法 决策树学习中的假设空间搜索 决策树学习的归纳偏置 决策树学习的常见问题 OUTLINE3 决策树学习概述 决策树归纳是归纳学习算法中最简单也是最成功的算法 之一好的入门 决策树以事物的属性描述集合作为输入，输出通常是一 个分类(离散的输出)一般是二值分类(真或假)，是 一种逼近离散值函数的方法4 决策树学习示例 例子：星期六上午是否适合打网球 属性=outlook，Temperature, humidity，wind 属性值=sunny, overcast, rain, hot, mild, cool, high, normal, strong, weak5 决策树学习示例训练样例 返 回6 决策树学习示例决策树表示 决策树 通过把实例从根节点排列到某个叶子节点来分类实例 叶子节点即为实例所属的分类 树上每个节点说明了对实例的某个属性的测试 节点的每个后继分支对应于该属性的一个可能值 High Normal Strong Weak Outlook Wind Humidity Sunny Overcast
