本文用过图解的方式并结合实际案例的方式讲述了决策树的基本原理，主要包含信息熵、条件熵与信息增益的概念与计算方式，以及如何选择各个决策节点（即：选择信息增益最大的特征）。

想要PDF文档的小伙伴，通过关注GZH：阿旭算法与机器学习，回复：“决策树”即可获取。

重要结论

1.信息熵用来衡量信息的不确定性或者混乱程度的；
2.信息的不确定性越大熵越大；
3.决策树每个节点的选择，选择信息增益最大的特征；

如果文章对你有帮助，感谢点赞+关注！

PDF获取方式：关注下方GZH：阿旭算法与机器学习，回复：“决策树”即可获取本文PDF。