摘要：
决策树是广泛用于分类和回归任务的模型。 它从一层层的if/else问题（尽可能少的问题）中进行学习，并得出结论 1、构造决策树 1）two_moons数据集 这是个二分类数据集（每个类别50个数据点），样本点在坐标图中的分布像两个半月牙，因此叫做two_moons 2）学习决策树，就是学习一系列的i 阅读全文
摘要：
集成（ensemble）是合并多个机器学习模型来构建更强大模型的方法。 已证明有两种集成模型对大量分类和回归的数据集都是有效的，二者都以决策树为基础，分别是随机森林（random forest）和梯度提升决策树（gradient boosted decision tree）。 1、随机森林 决策树的 阅读全文