Coursera台大机器学习技法课程笔记09-Decision Tree

这是我们已经学到的（除Decision Tree外）

下面是一个典型的decision tree算法，有四个地方需要我们选择：

接着介绍了一个CART算法：通过decision stump分成两类，衡量子树的标准是，将数据分成两类后，这两类数据的纯度（purifying）。

下面是不纯度的衡量：

最后是什么时候停下来：

decision tree可能overfitting，需减小Ein和叶子的数目（表示树的复杂度）

如果缺少某一特征的话，可找一替代特征：

将CART和Adaboost进行对比：Adaboost是在整个平面上切割，CART是在已切好的平面继续切割（条件切割）：

这一节课老师讲的比较笼统，详细可参考统计学习方法。