决策树学习的算法通常是一个递归地选择最优特征，并根据该特征对训练数据进行分割，使得各个子数据集有一个最好的分类的过程，这一过程对应着特征空间的划分，也对应着决策树的构建。()

决策树算法ID3基于作为属性选择的度量 应用决策树分析一个决策问题，常用的分析框架包括构造决策问题、构造决策树，以及（）。 传统的决策树，一个圆圈代表（） 决策树反演算法包括()。 以下哪些算法属于决策树（） 随机森林中需要构造多个决策树，这些决策树在算法决策分类过程中的作用（） 将一个递归算法改为对应的非递归算法时，通常需要使用（ ）。 关于决策树算法陈述正确的是（） ●将一个递归算法改为对应的非递归算法时，通常需要使用 (44) 。 将一个递归算法转换为非递归算法，通常需要借用的数据结构是（） 使用决策树算法，必须满足以下要求（） 游客选择旅游目的地，通常是根据自己的（　　）。 决策树属于无监督学习（） 2.建立一个网站通常是花费最大的选择 决策树中通常用方框代表()。 根据图中所示的minimax算法决策树,根结点的估值是()。 ID3算法是决策树方法的早期代表（） 在决策树分析法中，决策节点的个数只能是一个（） 决策树法中，决策树的根基是() 中国大学MOOC: 一个正确的递归算法通常包含（ ）。