决策树的特征选择与 ID3/C4.5/CART 区别
哪些公司问过
答案要点
- 分裂原则:选择使不纯度下降最多的特征和切分点
- ID3用信息增益,偏向取值多的特征,只支持离散特征且无剪枝
- C4.5用信息增益率校正偏好,支持连续值、缺失值和后剪枝
- CART为二叉树,分类用基尼指数,回归用平方误差最小化,叶子取均值
易错点
- 说CART回归树也用基尼指数,回归树用的是平方误差
- 以为C4.5只是把增益换成增益率,忽略它对连续值、缺失值和剪枝的支持
- 以为信息增益率没有偏好,它其实偏向取值较少的特征
面试官常见追问
- 决策树剪枝的方法有哪些?
- 为什么增益率又偏向取值少的特征?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。