1.决策树的原理及核心 1.1 原理 决策树是一种非参数的非监督学习算法 输入： 是具有一系列特征和标签的数据 输出：训练集中的数据总结出的决策的规则，以树状图的结构来描述规则 意义：解决分类或回归问题总结：决策树就是根据**特定规则****，不断地选择特征(也成属性)作为分支节点，由上至下的不断补充节点，构建的一颗可以描述训练集隐含的决策规则的树🌲 1.2 决策树的划分选择 1.2.1信息增益

日期 周 跑步(Km) 时长 饮食 备注 20240311 周一 7.26Km 72min ⭐️⭐️⭐️ 20240312 周二 20240313 周三 20240314 周四 20240315 周五 20240316 周六 20240317 周日 20240318 周一

1.centos7安装anaconda环境 2.jupyter lab的环境配置 3.anaconda常用命令 4.环境测试及使用

欢迎使用 WordPress。这是您的第一篇文章。编辑或删除它，然后开始写作吧！