2017年3月30日
机器学习 — 决策树建模
摘要： 决策树 适合用来处理带有分界点的数据 优点 1. 易于解释：能结合实际数据对受训模型进行合理的解释，便于理解 2. 可以同时接受分类数据和数值数据作为输入 3. 允许数据缺失 缺点 1. 过度拟合：专门针对训练数据创建出来的分支，可能更具有特殊性。解决办法：对决策树进行剪枝 2. 针对不同类型的数据 阅读全文
posted @ 2017-03-30 23:55 lacker 阅读(790) 评论(0) 推荐(0) 编辑