决策树的学习过程
1. 所有样本都在根结点
2.计算所有可能的特征的信息增益，选择信息增益最大的那个
3.根据选择的特征分离数据集，创造左右两支子树
4.继续进行分裂直到达到停止标准。停止标准有：一个节点只有一类样本；分裂一个节点会导致树的深度超过最大值；从新的分裂得到的信息增益低于一个阈值；一个节点中的样本数低于一个阈值。
决策树可以看做一个递归（rec服务器托管网ursive）的过程
独热编码one-hot
例如猫狗分类，原本耳朵形状这个特征有三个可能的取值，采用独热编码的方式创建三个新的特征，每个特征只有两种情况（0或1），每个特征恰好有一个是1，所以叫独热。也可以推广到其他特征，用0或1来表示特征，可以将数字作为神经网络的输入。
服务器托管，北京服务器托管，服务器租用 htt服务器托管网p://www.fwqtg.net
文章目录 前言 环境准备 调用 混合 总结 前言 郑重声明：本博文做法仅限毕设糊弄老师使用，不建议生产环境使用！！！ 老项目缝缝补补又是三年，本来是打算直接重写写个社区然后给毕设使用的。但是怎么说呢，毕竟毕设的主角不是xx社区，这个社区是为我的编译器服务的，为…
