摘要：
一、Hard Voting 与 Soft Voting 的对比 1）使用方式 voting = 'hard'：表示最终决策方式为 Hard Voting Classifier； voting = 'soft'：表示最终决策方式为 Soft Voting Classifier； 2）思想 Hard V 阅读全文
摘要：
一、集成学习的思想 集成学习的思路：一个问题（如分类问题），让多种算法参与预测（如下图中的算法都可以解决分类问题），在多个预测结果中，选择出现最多的预测类别做为该样本的最终预测类别； 生活中的集成思维： 二、scikit-learn 中的集成分类器 scikit-learn 中封装的集成分类器：Vo 阅读全文
摘要：
一、解决回归问题的思路 1）思路对比 解决分类问题：根据模型参数训练结束后，对每个“叶子”节点的样本数据进行投票，规定数量最多的样本的类型为该“叶子”的预测类型； 解决回归问题：根据模型参数划分结束后，对每个“叶子”节点处 的相应的数据输出值的平均值，作为该“叶子”的预测值；（也就是训练结束后，每个 阅读全文
摘要：
老师：非参数学习的算法都容易产生过拟合； 一、决策树模型的创建方式、时间复杂度 1）创建方式 决策树算法 2）二叉树的实际复杂度 预测样本时的时间复杂度：O(logm) 训练决策树模型时的时间复杂度：O(n*m*logm) 二、scikit-learn 中决策树算法的参数 1）决策树算法的问题 方案 阅读全文