课程名称适应人群机器学习之决策树视频教学初中级学生、刚开始学习机器学习、想进一步学习决策树的同学决策树算法是一种机器学习方法，其代表有ID3、CART、C4.5等。本次课程主要讲解了这三种决策树，其中包括：信息增益、增益率、基尼指数、预剪枝和后剪枝、

课时名称课时知识点决策树小案例之信用卡发卡提供了个小的样本集，以信用卡发卡为案例，使用ID3算法，进行了简单的介绍，上传了python代码，以为这部分课程和之前ID3算法和连续值处理是一样的，所以并没有计算出最终结果。计算属于比较简单计算，大家可以自

课时名称课时知识点CART之基尼指数与过拟合问题CART算法形成了简洁的二叉树。针对连续值和离散值得属性，它有不同的分解方式。CART算法如何选择划分属性的呢？利用了基尼指数。本节又讲解了基尼值、基尼指数的概念。最后用一个案例讲解了CART算法。

课时名称课时知识点机器学习、监督学习与决策树此节课主要简单讲解机器学习、监督学习、决策树的关系。决策树是机器学习的一种模型，属于监督学习的一种。它可用于分类，也可以用于回归学习。

课时名称课时知识点ID3之信息增益与增益率此部分详细讲了了信息熵的定义、信息增益的定义、增益率定义。讲解了决策树的一种-ID3的流程与思路。ID3算法，通过每一个属性的信息增益选择优先划分的属性，依次迭代产生决策树。

课时名称课时知识点C4.5树与连续值处理本节课讲解了C4.5算法，此算法选择划分属性使用了信息增益率。此外，本节课讲解了连续值的处理方式。最简单的就是二分法，而本节提出了一种优于二分法的一种离散化方式。

课时名称课时知识点缺失值处理与多变量决策树本节课讲解了缺失值处理的两个问题。第一个：样本存在属性值缺失的情况，如何选择属性划分呢，这里以ID3为例，讲解了属性值缺失的情况下，如何计算出信息增益。第二个问题：划分完属性之后，样本在此属性的属性值是确实的

课时名称课时知识点决策树的定义与初步认识此部分讲解了决策树的定义、算法流程、认识。算法流程是重点，决策树是一个递归的过程。算法流程需要掌握。也需要明白决策树的重点就是选择划分标准。

课时名称课时知识点详细讲解决策树之剪枝处理剪枝处理是决策树学习算法对付过拟合的主要手段，通过去掉一些分支来降低过拟合的风险。 分为：预剪枝和后剪枝。