1 常见决策树使用的算法
ID3
信息增益 最大的准则
C4.5
信息增益比 最大的准则
CART
回归树: 平方误差 最小
分类树: 基尼系数 最小的准则 在sklearn中可以选择划分的原则
2 sklearn决策树API
3 泰坦尼克号乘客生存分类模型
(1)pd读取数据
(2)选择有影响的特征，处理缺失值
(3)进行特征工程，pd转换字典，特征抽取
x_train.to_dict(orient="records")
(4)决策树估计器流程
决策树的结构、本地保存
决策树的优缺点以及改进
输出：
随机森林
定义：在机器学习中，随机森林是一个包含多个决策树的分类器，并且其输出的类别是由个别树输出的类别的众数而定。
集成学习API
随机森林优点：
• 在当前所有算法中，具有极好的准确率 • 能够有效地运行在大数据集上 • 能够处理具有高维特征的输入样本，而且不需要降维 • 能够评估各个特征在分类问题上的重要性 • 对于缺省值问题也能够获得很好得结果输出：
