决策树算法面试问题汇总

自己救自己系列，不然要没工作了，我太难了。

莪只是个木得感情的搬运机器，以下内容都附有原链接地址，你不想我搬运的话，可以联系我删除好勒。

红色加粗是我见了好多次，感觉经常会考得点。

 

感觉决策树是很常考的内容，所以一定要注意！！

1、决策树必考的---介绍决策树三种算法

      1) ID3 的构造准则是信息增益

      2) C4.5的构造准则是信息增益比

      3) CART(classfication and regression tree, 分类与回归树)  

           分类问题的构造准则为基尼指数

           回归问题的构造准则为信息增益比

      公式要记，具体详见： https://blog.csdn.net/lrs1353281004/article/details/87448456

2、3种算法的区别，优缺点，应用场景。

     区别和优缺点可以参考这篇讲决策树的知乎文章   https://zhuanlan.zhihu.com/p/85731206

     

3、决策树处理连续值的方法；

     我觉得： 即上面文章中讲回归的具体做法

 

4、决策树如何后剪枝

    附问题：欲剪枝，后剪枝，及其比较 https://blog.csdn.net/u014697805/article/details/78636135

                  更深一点的剪枝算法：https://www.jianshu.com/p/794d08199e5e

      

补充一个讲决策树的知乎文章  https://zhuanlan.zhihu.com/p/85731206

 

好像就这么点？因为决策树主要会和RF, GBDT，XGBoost之类一起考，等复习到以后再有补充继续更

 

 

其他相关内容链接：

1、机器学习相关准备知识
      1.1   SVM算法面试问题汇总   （机器学习必考）
      1.2   决策树算法面试问题汇总   
      1.3   逻辑回归(LR)算法面试问题汇总
      1.4   KNN算法面试问题汇总
      1.5   集成学习算法面试问题汇总(含RF，AdBoost，GBDT )

3、编程相关准备知识（我用的C++）
     3.1   set基本定义与使用
     3.2  map基本定义与使用
     3.3  vector数组基本定义与使用     
     3.4  string基本定义与使用
     3.5  stack基本定义与使用