决策树的算法评价决策树的优点决策树的缺点
决策树的优点易于理解和解释，因为树木可以画出来被看见。需要很少的数据准备。其他很多算法通常都需要数据规范化，需要创建虚拟变量量并删除空值等。但请注意，sklearn中的决策树模块不支持对缺失值的处理。使用树的成本（比如，在预测数据的时候）是用于训练树的数据点的数量的对数，相比于其他算法，成本很低。能够同时处理数字和分类数据，既可以做回归又可以做分类。其他技术通常专门用于分析仅具有一种变量...
