یادگیری درخت تصمیم: تفاوت میان نسخه‌ها

'''یادگیری درخت تصمیم''' {{به انگلیسی|Decision tree learning}} گروهی از الگوریتم‌های یادگیری ماشین هستند که در [[طبقه‌بندی آماری]] کاربرد دارند.<ref>{{یادکرد کتاب|عنوان=Provost, F., & Fawcett, T. (2013). Data Science for Business: What you need to know about data mining and data-analytic thinking. " O'Reilly Media, Inc.".|نام خانوادگی=|نام=|ناشر=|سال=|شابک=|مکان=|صفحات=}}</ref> درخت‌های تصمیم به گروه الگوریتم‌های [[یادگیری تحت نظارت]] تعلق دارند و بیشتر آنها بر اساس حداقل‌سازی کمیتی به نام آنتروپی ساخته می‌شوند. هرچند توابع دیگری برای ساخت درخت تصمیم وجود دارند.<ref>{{یادکرد کتاب|عنوان=T. Hastie, R. Tibshirani, and J. Friedman, “The Elements of Statistical Learning,” Bayesian Forecast. Dyn. Model., vol. 1, pp. 1–694, 2009..|نام خانوادگی=|نام=|ناشر=|سال=|شابک=|مکان=|صفحات=}}</ref> نمونه‌های قدیمی درخت تصمیم تنها قادر به استفاده از متغیرهای گسسته بودند، اما الگوریتم‌های جدیدتر هردو نوع متغیر گسسته و پیوسته را در یادگیری به کار می‌برند.<ref>{{یادکرد ژورنال|عنوان=X. Wu et al., “Top 10 algorithms in data mining,” Knowl. Inf. Syst., vol. 14, no. 1, pp. 1–37, 2008.|ژورنال=|ناشر=|تاریخ=|زبان=|شاپا=|doi=|پیوند=|تاریخ دسترسی=}}</ref>

==انواع درخت تصمیم==