在复杂的决策情况中，企业完成一个决策后，后面可能面临n种可能状态的发生，而决策树模型是基础的数学定律，它通过已知信息，通过逻辑推理，将问题中的策略，概率，风险，收益用类似于树状的形式呈现。决策出各个可能选择的可信度，再通过比较，做出决策。优点是计算速度快且

问题思考决策树算法是一种非常常用的算法模型，决策树的启发算法就是构建决策树模型的方式。该问题通俗理解就是决策树算法模型的构建方式有几种？每种方式是怎样构建的？有何优缺点？通过这几个问题，可以很快地判断面试者对决策树算法的理解程度，在此基础上还会考察到面试者

摘要： 决策树是非常基础的算法，其不仅能够进行分类还可以进行回归处理，也就是回归树。要想提高决策树的性能还需要做好剪枝的工作。关键词： 回归树，剪枝1 回归树之前已经介绍过决策树的基本理论了：这份分类决策树算法介绍请收好。回归树（regression tree），顾名思义是

作者：Jason Brownlee翻译：陈超校对：冯羽本文约3500字，建议阅读10+分钟本文介绍了不平衡分类中的成本敏感决策树算法。决策树算法对平衡分类是有效的，但在不平衡数据集上却表现不佳。决策树分裂点是为了能够在最小混淆的情况下将所有实例分成两组。当两个组别分别都由其中