摘要：
学习内容： 1.CART树 2.算法原理 3.损失函数 4.分裂结点算法 5.正则化 6.对缺失值处理 7.优缺点 8.应用场景 9.sklearn参数 1.CART树 CART算法是一种二分递归分割技术，把当前样本划分为两个子样本，使得生成的每个非叶子结点都有两个分支，因此CART算法生成的决策树 阅读全文
摘要：
学习内容： 1. 信息论基础（熵 联合熵 条件熵 信息增益 基尼不纯度） 2.决策树的不同分类算法（ID3算法、C4.5、CART分类树）的原理及应用场景 3. 回归树原理 4. 决策树防止过拟合手段 5. 模型评估 6. sklearn参数详解，Python绘制决策树 1. 信息论基础（熵 联合熵 阅读全文
摘要：
学习内容： 1、逻辑回归与线性回归的联系与区别 2、 逻辑回归的原理 3、逻辑回归损失函数推导及优化 4、 正则化与模型评估指标 5、逻辑回归的优缺点 6、样本不均衡问题解决办法 7. sklearn参数 转自：https://github.com/trembous/homework_summary 阅读全文
摘要：
学习内容： 前向分布算法 负梯度拟合 损失函数 回归 二分类，多分类 正则化 优缺点 sklearn参数 应用场景 转自：https://zhuanlan.zhihu.com/p/58105824 GBDT是一种采用加法模型（即基函数的线性组合）与前向分步算法并以决策树作为基函数的提升方法。通俗来说 阅读全文