决策树的类型
在上面的学习中,我们了解到决策树主要是用于分类算法,那么,它能不能解决回归问题呢?答案是肯定的,根据目标变量的类型,我们将决策树分为两类:
(1)分类决策树:具有离散型目标变量的决策树。
例如,在上述人群预测分类问题中,目标变量是否喜欢打游戏,即输出结果是“是”或“否”,这样的决策树我们称之为分类决策树。
(2)回归决策树:具有连续型目标变量的决策树。
例如:对于保险公司来讲,明确客户收入对公司盈利是非常重要的,但关键是公司并不知道每个客户的收入详情。此时,就可以根据客户的职业、购买产品以及其他信息来建立决策树模型,然后去预测客户的收入,这里我们输出的预测值就是连续型变量,得到的决策树我们称之为回归决策树。