让我们看看决策树不处理离散值而是连续值要怎么做在之前的数据中增加了猫咪的体重平均而言猫比狗要轻一点那么如何让决策树利用这个特征呢决策树的学习算法还是像之前一样进行直线现在不仅要考虑耳朵脸和胡须现在又要考虑体重根据体重进行分割如果基于体重分割比其他选项有更好的信息增益那么应该基于体重进行分割但是如何基于体重进行分割呢我们看这个图来帮助理解这个图横轴是不同的体重纵轴的0代表非猫1代表的是猫然后我么你可以在体重等于8的时候作为分隔分后计算分割后的信息增益类似的我们在体重是9 是 13都进行类似的操作最终找到信息增益最高的那一个体重实际上在机器学习算法中不单单是只看这个三个数值的判断而是尝试X数轴上的多个值然后找到信息增益最大的那一个最终决定以9为界限划分两个子集进行决策树的构建尝试不同阈值进行信息增益计算并在所选阈值的连续特征上进行分割如果他给你了你所有特征中最佳的信息增益后面是将决策树推广到回归树预测我们目前只讲了构建一个逻辑与进行一个类别的预测。