决策树案例：
决策树是一种常用于预测模型的算法，它通过将大量数据有目的分类，从中找
到一些有价值的，潜在的信息。它的主要优点是描述简单，分类速度快，特别
适合大规模的数据处理。最有影响和最早的决策树方法是由 Quinlan 提出的著
名的基于信息熵的 ID3 算法。它的主要问题是：ID3 是非递增学习算法；ID3 决
策树是单变量决策树，复杂概念的表达困难；同性间的相互关系强调不够；抗
噪性差。针对上述问题，出现了许多较好的改进算法，如 Schlimmer 和 Fisher
设计了 ID4 递增式学习算法;钟鸣，陈文伟等提出了 IBLE 算法等。
数据：
是否有存款 是否月入 10000 元以上 是否购入公司保险
是 是 购入
是 是 不购入
是 否 不购入
是 否 不购入
是 是 不购入
否 是 购入
否 是 不购入
否 否 购入
评论0