本课程全方面的介绍决策树是一种基本的分类与回归方法，学习通常包含三个步骤：特征选择、决策树的生成和决策树的剪枝。 随机森林对于一个测试数据，将它投入到随机森林中的不同决策树中，会得到不同的测试结果。若问题是一个分类问题，则可以通过求众数来得出测试数据的类别；若问题是一个回归问题，则可以通过求平均值得出测试数据的值。

教程列表：

千锋大数据教程：01_好程序员_Decision Tree(决策树)_理论上的标记

千锋大数据教程：02_好程序员_Decision Tree(决策树)_随机森林和准确率

千锋大数据教程：03_好程序员_Decision Tree(决策树)_熵的度量标准

千锋大数据教程：04_好程序员_Decision Tree(决策树)_熵的定义标签

千锋大数据教程：05_好程序员_Decision Tree(决策树)_推导条件概率的定义式

千锋大数据教程：06_好程序员_Decision Tree(决策树)_根据条件熵的定义式

千锋大数据教程：07_好程序员_Decision Tree(决策树)_决策树的实例1

千锋大数据教程：08_好程序员_Decision Tree(决策树)_决策树实例2

千锋大数据教程：09_好程序员_Decision Tree(决策树)_决策树的理论介绍1

千锋大数据教程：10_好程序员_Decision Tree(决策树)_信息增益的理论介绍2

千锋大数据教程：11_好程序员_Decision Tree(决策树)_韦恩图与互信息

千锋大数据教程：12_好程序员_Decision Tree(决策树)_条件熵和互信息

千锋大数据教程：13_好程序员_Decision Tree(决策树)_决策树的标记

千锋大数据教程：14_好程序员_Decision Tree(决策树)_ID3的流程

千锋大数据教程：15_好程序员_Decision Tree(决策树)_条件熵的最终解法

千锋大数据教程：16_好程序员_Decision Tree(决策树)_分析一下熵

千锋大数据教程：17_好程序员_Decision Tree(决策树)_信息增益率C4.5的计算方法

千锋大数据教程：18_好程序员_Decision Tree(决策树)_决策树的Gini系数推导过程

千锋大数据教程：19_好程序员_Decision Tree(决策树)_决策树的评价

千锋大数据教程：20_好程序员_Decision Tree(决策树)_决策树的评价函数

千锋大数据教程：21_好程序员_Decision Tree(决策树)_决策树实现Iris鸢尾花分类1

千锋大数据教程：22_好程序员_Decision Tree(决策树)_决策树实现Iris鸢尾花分类2

千锋大数据教程：23_好程序员_Decision Tree(决策树)_决策树实现Iris鸢尾花分类3

千锋大数据教程：24_好程序员_Decision Tree(决策树)_决策树实现Iris鸢尾花分类4

千锋大数据教程：25_好程序员_Decision Tree(决策树)_决策树实现Iris鸢尾花分类5

千锋大数据教程：26_好程序员_Random Forest(随机森林)_Bagging的策略1

千锋大数据教程：27_好程序员_Random Forest(随机森林)_Bagging的策略2

千锋大数据教程：28_好程序员_Random Forest(随机森林)_随机森林回归问题