机器学习大框架

决策树可以分为以下几种类型： 1. ID3算法：基于信息增益来选择最优特征，适用于分类问题。 2. C4.5算法：基于信息增益比来选择最优特征，适用于分类问题。 3. CART算法：可以用于分类和回归问题，基于基尼指数来选择最优特征。 4. CHAID算法：基于卡方检验来选择最优特征，适用于分类问题。 5. MARS算法：可以用于分类和回归问题，基于多项式回归来构建决策树。 6. Conditional Inference Trees（CIT）算法：基于条件推断来构建决策树，适用于分类和回归问题。 7. Random Forest算法：基于随机森林的思想，通过多个决策树的集成来提高模型的准确性和泛化能力。

回归

分类

KNN 可以说是最简单的分类算法之一，同时，它也是最常用的分类算法之一

朴素贝叶斯分类和贝叶斯网络分类

子主题