1、说明
决策树算法是一种决策分析方法，在已知各种情况概率的基础上，评估项目风险，判断项目风险的可行性。
分类算法是利用训练样本集获得分类函数，即分类模型（分类器），从而将数据集中的样本划分为各类。分类模型通过学习训练样本中属性集与类别之间的潜在关系，并在此基础上预测新样本属于哪一类。
2、基本使用
决策树算法是一种直观运用概率分析的图解方法，是一种非常常见的分类方法，属于监督学习。
决策树是一种树形结构，其中每个内部节点表示一个属性的测试，每个分支表示一个测试输出，每个叶节点表示一个类别。
决策树学习是一种基于实例的归纳学习。它采用自上而下的递归方法。它的基本思想是构建一棵熵下降最快的树，以信息熵为衡量。叶结点的熵为零。此时，每个叶节点中的实例属于同一类别。
决策树学习算法的优点是可以自学。在学习过程中，用户不需要了解太多的背景知识。他们可以通过更好地标记培训示例来学习。
以上就是python决策树算法的介绍，希望对大家有所帮助。更多Python学习指导：python基础教程