哈囉大家好～～～
今天我們來談談決策樹這個機器學習算法，在決策樹中，每個節點會將數據在拆分成兩個子集，然後重複進行下去，每個節點一次只分割一個特徵，最終會拆分成許多特徵，舉例來說，性別就是一個很常用的特徵。
很常用來解釋決策樹的例子是鐵達尼號，在預測誰會在鐵達尼號沈船時倖存或死亡，可以用很多特徵去分類船上的人們，他們來自各行各業不同背景，我們對特徵的第一次猜測可能是乘客的性別，現在分成64％的男性和36％的女性，接著可能用乘客的級別去分，是貴族呢?還是平民呢?就這樣一直分割下去，直到達到決策樹設定的最大深度，或無法繼續分下去，簡單來說就是直到每個節點只有倖存或死亡的乘客，你可以建一棵完整的樹，然後修剪不必要的節點，最大限度地利用決策樹演算法，你還可以將一棵一棵的決策樹組合成森林，未來我們會談到森林。
今天說完了決策樹，明天我將帶大家繼續認識ML的Kernel，那我們明天見！
iThome鐵人賽
看影片追技術