1、决策树:可以看作是函数,或者是可以看作是一系列的规则(一系列if)

2、为什么用决策树
高效率、较准确、解释性高

3、如何选



Information Gain


K-nearest neighbors
设定看为奇数,在二分类问题中,比较在k范围内选次数多的。




决策树DT解决回归问题
数据分到每个叶子中,用每个叶子中的值的平均值偶为回归问题的值

knn-LL 决策树-EL

1、决策树:可以看作是函数,或者是可以看作是一系列的规则(一系列if)
2、为什么用决策树
高效率、较准确、解释性高
3、如何选
Information Gain
K-nearest neighbors
设定看为奇数,在二分类问题中,比较在k范围内选次数多的。
决策树DT解决回归问题
数据分到每个叶子中,用每个叶子中的值的平均值偶为回归问题的值
knn-LL 决策树-EL
本文标题:笔记4—— 经典机器学习
本文链接:https://www.haomeiwen.com/subject/onsvhktx.html
网友评论