基於樹的機器學習模型的演化

基於樹的分類模型是一種監督機器學習算法，它使用一系列條件語句將訓練數據劃分爲子集。每一次連續的分割都會給模型增加一些複雜性，這些複雜性可以用來進行預測。最終結果模型可以可視化爲描述數據集的邏輯測試的路線圖。決策樹對於中小型數據集很流行，因爲它們容易實現，甚至更容易解釋。然而，他們也不是沒有挑戰。在本文中，我們將重點介紹基於樹的分類模型的優缺點以及克服它們所取得的進展。 決策樹的構造 下面的示例描述

>>阅读原文<<