一文知道决策树的优缺点

　　决策树的优点

　　1、决策树易于理解和解释，可以可视化分析，容易提取出规则；

　　2、可以同时处理标称型和数值型数据；

　　3、比较适合处理有缺失属性的样本；

　　4、能够处理不相关的特征；

　　5、测试数据集时，运行速度比较快；

　　6、在相对短的时间内能够对大型数据源做出可行且效果良好的结果。

　　决策树的缺点

　　1、容易发生过拟合（随机森林可以很大程度上减少过拟合）；

　　2、容易忽略数据集中属性的相互关联；

　　3、对于那些各类别样本数量不一致的数据，在决策树中，进行属性划分时，不同的判定准则会带来不同的属性选择倾向；信息增益准则对可取数目较多的属性有所偏好（典型代表ID3算法），而增益率准则（CART）则对可取数目较少的属性有所偏好，但CART进行属性划分时候不再简单地直接利用增益率尽心划分，而是采用一种启发式规则）（只要是使用了信息增益，都有这个缺点，如RF）。

　　4、ID3算法计算信息增益时结果偏向数值比较多的特征。