機器學習之決策樹和隨機森林實踐

一、決策樹過擬合、剪枝以及評價 決策樹擬合： 決策樹對訓練屬於有很好的分類能力，但對未知的測試數據未必有好的分類能力，泛化能力弱，即可能發生過擬合現象； 決策樹過擬合解決辦法：剪枝，隨機森林； 決策樹剪枝： 決策樹剪枝思路： 剪枝係數： 剪枝算法： 二、隨機森林 BootStraping策略: 隨機森林定義： 隨機森林在bagging基礎上做了修改： 1、從樣本集中用Bootstrap採樣選出n個

>>阅读原文<<