如果你想了解机器学习，决策树是最佳起点之一。
决策树是一种树形结构，其中每个内部节点表示一个属性上的测试，每个分支代表一个测试输出，每个叶节点代表一种类别。
决策树更是常见的机器学习方法，可以帮助我们解决分类与回归两类问题。
以决策树作为起点的原因很简单，因为它非常符合我们人类处理问题的方法，而且逻辑清晰，可解释性好。
符合到什么程度？从婴儿到长者，我们每天都使用无数次！
本文涵盖6大知识点：
知识点1：不同类型的分类树模型 。
知识点2： 决策树回归 。
知识点3： 树模型过拟合与优化 。
知识点4： 使用随机森林进行数据分类 。
知识点5： Bagging 。
知识点6： 随机森林。
下面用《机器学习第九期》的部分PPT，来为大家解析。
正文部分
网友评论