给出对决策树与随机森林的认识。主要分析决策树的学习算法：信息增益和ID3、C4.5、CART树，然后给出随机森林。 决策树中，最重要的问题有3个: 1. 特征选择。即选择哪个特征作为某个节点的分类特征； 2. 特征值的选择。即选择好特征后怎么划分子树； 3. 决策树出现过拟合怎么办？ 下面分别就以上问题对决策树给出解释。决策树往往是递归的选择最优特征，并根据该特征对训练数据进行分割。(The understanding of decision tree and random

本程序论述在MATLAB环境下如何实现神经网络，包括了常用的神经网络及相关理论，如BP神经 网络、RBF神经网络、SVM、SOM神经网络、灰色神经网络、决策树、随机森林、小波神经网络、NARX神经网络等以及各种优化算法与神经网络的结合。(This procedure describes how to realize neural network in MATLAB environment, including the commonly used neural network and relate

决策树和随机森林，非常实用的PPT资料，推荐(Decision tree and random forest, very useful PPT data, recommended.)