决策树怎么理解（决策树具体什么情况）

每日小编都会为大家带来一些知识类的文章，那么今天小编为大家带来的是决策树方面的消息知识，那么如果各位小伙伴感兴趣的话可以，认真的查阅一下下面的内容哦。

1、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。

2、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。

3、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。

4、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。

5、这一度量是基于信息学理论中熵的概念。

6、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。

7、分类树（决策树）是一种十分常用的分类方法。

8、它是一种监督学习，所谓监督学习就是给定一堆样本，每个样本都有一组属性和一个类别，这些类别是事先确定的，那么通过学习得到一个分类器，这个分类器能够对新出现的对象给出正确的分类。

9、这样的机器学习就被称之为监督学习。

本文到此结束，希望对大家有所帮助。