机器学习的各种算法练习案例 决策树（trees.py） 优点：计算复杂度不高，输出结果易于理解，对中间值的缺失不敏感，可以处理不相关特征数据。 缺点：可能会产生过度匹配问题 适用数据类型：数值型和标称型 决策树的一般流程 （1）收集数据：可以适用任何方法（如python的scrapy框架进行爬虫） （2）准备数据：树构算法只适用于标称型数据，因此数值型数据必须离散化 （3）分析数据：可以适用任何方法，构造树完成之后，检查图形是否符合预期 （4）训练算法：构造树的数据结构 （5）测试算法：适用经验树计算错误率 （6）适用算法：适用于任何监督学习算法