决策树

决策树的深度：max_depth=2

• 非参数学习
• 可以解决分类问题、多分类问题、回归问题
• 非常好的可解释性

计算信息熵

pruning 剪枝
分的太细的特征，减去
前、后剪枝，都是为了防止过拟合

C4.5
ID3

决策树的学习过程中分为2个阶段，分裂和剪枝