決策樹、Bagging、隨機森林、Boosting、AdaBoost、GBDT、XGBoost

1、決策樹    一、決策樹的優點和缺點     優點: 決策樹算法中學習簡單的決策規則建立決策樹模型的過程非常容易理解, 決策樹模型可以可視化,非常直觀 應用範圍廣,可用於分類和迴歸,而且非常容易做多類別的分類 能夠處理數值型和連續的樣本特徵     缺點: 很容易在訓練數據中生成複雜的樹結構,造成過擬合(overfitting)。剪枝可以緩解過擬合的負作用,常用方法是限制樹的高度、葉子節點中的
相關文章
相關標籤/搜索