樹（英語：tree）是一種抽象資料型別（adt）或是實作這種抽象資料型別的資料結構，用來模擬具有樹狀結構性質的資料集合。它是由n（n>=1）個有限節點組成乙個具有層次關係的集合。把它叫做「樹」是因為它看起來像一棵倒掛的樹，也就是說它是根朝上，而葉朝下的。它具有以下的特點：
例如：
霍夫曼樹（用於資訊編碼）：帶權路徑最短的二叉樹稱為哈夫曼樹或最優二叉樹；
b樹：一種對讀寫操作進行優化的自平衡的二叉查詢樹，能夠保持資料有序，擁有多餘兩個子樹。-
將資料結構儲存在固定的陣列中，然在遍歷速度上有一定的優勢，但因所佔空間比較大，是非主流二叉樹。二叉樹通常以鏈式儲存。
由於對節點的個數無法掌握，常見樹的儲存表示都轉換成二叉樹進行處理，子節點個數最多為2
1.xml，html等，那麼編寫這些東西的解析器的時候，不可避免用到樹
2.路由協議就是使用了樹的演算法
3.mysql資料庫索引
4.檔案系統的目錄結構
5.所以很多經典的ai演算法其實都是樹搜尋，此外機器學習中的decision tree也是樹結構
決策樹演算法簡介
決策樹 decision tree 一 背景知識 符號 xi的資訊量 l xi log2p xi 熵 h p xi log2p xi 資訊增益 特徵 a對訓練資料集 d的資訊增益 g d,a h d h d a 其中，定義集合 d的經驗熵 h d 與特徵a 給定條件下 d的經驗條件熵 h d a 之...
決策樹演算法簡介
決策樹思想的 非常樸素，程式設計中的條件分支結構就是if else結構，最早的決策樹就是利用這類結構分割資料的一種分類學習方法 決策樹 是一種樹形結構，其中每個內部節點表示乙個屬性上的判斷，每個分支代表乙個判斷結果的輸出，最後每個葉節點代表一種分類結果，本質是一顆由多個判斷節點組成的樹。決策樹分類原...
決策樹演算法原理簡介
1,決策樹概念簡介 不同的演算法模型適合於不同型別的資料。首先，在了解樹模型之前，自然想到樹模型和線性模型有什麼區別呢？其中最重要的是，樹形模型是乙個乙個特徵進行處理，之前線性模型是所有特徵給予權重相加得到乙個新的值。決策樹與邏輯回歸的分類區別也在於此，邏輯回歸是將所有特徵變換為概率後，通過大於某一...