决策树(Decision Tree)是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干，故称决策树。在机器学习中，决策树是一个预测模型，他代表的是对象属性与对象值之间的一种映射关系。Entropy = 系统的凌乱程度，使用算法ID3, C4.5和C5.0生成树算法使用熵。这一度量是基于信息学理论中熵的概念。 决策树是一种树形结构，其中每个内部节点表示一个属性上的测试，每个分支代表一个测试输出，每个叶节点代表一种类别。 分类树(决策树)是一种十分常用的分类方法。
资源文件列表
╛÷▓▀╩≈/id.m , 416
╛÷▓▀╩≈/id3.m , 4297
╛÷▓▀╩≈/id3_preprocess.m , 2998
╛÷▓▀╩≈/print_tree.m , 1627
╛÷▓▀╩≈/queue_curr_size.m , 100
╛÷▓▀╩≈/queue_pop.m , 227
╛÷▓▀╩≈/queue_push.m , 145
╛÷▓▀╩≈/tree_plot.m , 611