基於決策樹的分類預測

決策樹原理 決策樹是一種常見的分類模型。 優點： 具有很好地解釋性，模型可以生成可以理解的規則。 可以發現特徵的重要程度。 模型的計算複雜度較低。 缺點： 模型容易過擬合，需要採用減枝技術處理。 不能很好利用連續型特徵。 預測能力有限，無法達到其他強監督模型效果。 基於企鵝數據集的決策樹實戰 思考與討論 1.爲什麼說Boosting既可減小方差，又可減小偏差？ ①因爲boosting是一個迭代算法

>>阅读原文<<