晚上回到了宿舍慣例給家人打**報報平安，家人希望我能回到天津，他們已經想辦法幫我找個穩定，可待遇一般的工作，跟我說這個崗位很多人競爭的，你一定要在一周內趕回來去那個單位報道才行，穩定下來也好買房子啊。我口中一直應付著，放下**，我也在想我為什麼留在北京啊，難道只是因為在天津找不到工作麼？
第四天戰情室。
早上我推開戰情室的大門時，聽著高維和路思討論著問題，原來劉思聰在第二次搖號中，就中籤北京的車牌照了，要知道北京兩個月才搖一次號，按概率算很多人一輩子也不可能有搖到北京的號牌的，高維：人家不但有錢，運氣還好真是比不了啊，我別說買車了，連想也不敢想，還是先解決生存問題吧。路思：你是不是看上人家了？高維：邊去吧，人家雖然矮，但眼光高啊。路思：對啊，眼睛長頭頂上，能不高麼。高維看我進來了，問：安逸你們天津是不是買車也得搖號啊，你家有搖到號麼？我：是得搖號，還可以花錢競拍，但具體怎麼回事我不太清楚，我家還沒有買車的打算。我臉不知道為什麼有點紅，有點尷尬，雖然說的都是實話吧。這時楊導師推門進來緩解了我的尷尬。
楊導師：你們還都挺關心別人啊，高維你認為買車很重要麼？
高維：是挺重要的，上次我臨時要去外地看同學，當時4點的飛機票500元，而5點的火車票要650元，但當時距離4點只有1個小時了，我估計得有30%的可能趕不上車，我當時好糾結的，要是當時劉思聰有車，可以就可以開車送我過去就沒這麼糾結了。
楊導師：其實這個問題不用那麼麻煩，可以通過乙個思維模型給你乙個最優解。 你主要考慮的是30%趕不上這趟車，如果你四點前到不了飛機場，機票錢要打水漂，還要去改簽那個650元的機票。我把這個問題畫了個圖,大家看2.1.4.1。
圖2.1.4.1
楊導師：我們算一下如果買四點的機票，加入30%趕不上四點航班飛機的風險的總成本是400 * 70% +（400 + 650）* 30% = 599.5這個**要比直接買五點的650元的機票還是要便宜50元的，從概率角度講你應該去買四點的機票。 這個思維過程叫做決策樹思維，我們很多分類的問題都可以採用決策樹來進行推斷。而演算法中的分類決策樹和這個過程有類似的地方，我們將各個分類結果都作為葉節點，而決策過程則是樹的分支。我們再來假設一下高維去找同學這件事。大家看我的圖2.1.4.2。
圖2.1.4.2
楊導師：我假設根據高維的之前經驗得出的乙個決策樹圖，每次決策都可以根據這個流程去判斷去或不去，這個概念非常的簡單，在機器學習中決策樹演算法的優勢是學習和**速度非常快，如何構造精度高、規模小的決策樹是決策樹演算法的核心內容。決策樹構造可以分兩步進行。第一步，決策樹的生成：由訓練樣本集生成決策樹的過程。一般情況下，訓練樣本資料集是根據實際需要有歷史的、有一定綜合程度的，用於資料分析處理的資料集。第二步，決策樹的剪枝：決策樹的剪枝是對上一階段生成的決策樹進行檢驗、校正和修下的過程，主要是用新的樣本資料集中的資料校驗決策樹生成過程中產生的初步規則，將那些影響預衡準確性的分枝剪除。
晚上在宿舍裡，拿起手機習慣性想給家裡報平安，但想到家裡肯定會問我回天津的事情考慮的怎麼樣了，本身我也想回到父母身邊，但是回到天津面臨很多實際問題，家裡的條件很一般，要是再去那個所謂的穩定工作，買房無疑得讓家裡揹負鉅額債務，我不忍心啊，畢竟買房應該是我的事情，不應讓我父母將我養大，我再把家裡掏空，在北京多幹幾年，這樣也能減輕買房的壓力。我不由得也根據目前的狀況畫起了決策樹。
決策樹分類
一 分類的概念 分類是一種重要的資料分析形式，分類方法用於 資料物件的離散類別，而 則用於 資料物件的連續取值 資料分類是兩個階段的過程，包括學習階段和分類階段 學習階段 訓練階段 就是建立描述預先定義的資料類或概念集的分類器 而訓練集是有資料庫元祖和與他們相互關聯的類標號組成 類標號屬性是離散值和...
分類決策樹
決策樹是基於特徵對例項進行分類的樹形結構。決策樹學習演算法包括 特徵選擇 樹的生成和樹的剪枝。2.1.id3 1 針對當前的集合，計算每個特徵的資訊增益 2 選擇資訊增益最大的特徵作為當前節點的決策決策特徵 3 根據特徵不同的類別劃分到不同的子節點 比如年齡特徵有青年，中年，老年，則劃分到3顆子樹 ...
分類決策樹
決策樹是乙個簡單易用的機器學習演算法，具有很好的實用性。在風險評估 資料分類 專家系統中都能見到決策樹的身影。決策樹其實是一系列的if then規則的集合，它有可讀性良好，分類速度快等優點。把決策樹看成是一些if then規則的集合，在每一層樹上根據屬性的值判斷走勢，至到遇到葉節點，葉節點對應的就是...