b站学习视频——机器学习经典算法（2）——决策树与随机森林
决策树讲解（附源码）
南开大学决策树（还没有看）
一 决策树概述
二 熵原理形象解读（ID-3算法）
熵值代表集合内部的混乱程度
以色泽为属性计算信息增益
三 如何利用熵原理构造决策树（以天气和游玩的关系为例）
四 信息增益率（改进的C4.5算法）
如何解决信息样本的属性很多，但每个属性集合中的样本很少
五 决策树剪枝（解决过拟合问题）
在后剪枝过程中，可以通过调整α的值，来决定叶子结点的数量对于当前损失函数的影响成度
六 随机森林
其实就是多个决策树的组合，共同完成分类或者回归操作
随机性——数据随机性、属性随机性
七 决策树参数案例
加载数据、为数据添加列标志
describe ——描述各类信息
