决策树在很多公司都实际运用于风险控制，之前阐述了决策树-ID3算法和C4.5算法、CART决策树原理（分类树与回归树）、Python中应用决策树算法预测客户等级...

在众多机器学习模型中，我们如何在各种实际情况下做出恰当的选择呢？本文我从如下几个方面系统地分析下~ 有帮助的话点个赞哦。

决策树由节点和边组成，其中每个节点表示数据集的某个特征，每条边表示特征的某个值所对应的分支。决策树的最顶端称为根节点，叶节点代表决策结果。以下是一个简单的决策树...

数据说明 Date-日期 Close/Last-收盘价 Volume-成交量 Open-开盘价 High-最高价 Low-最低价

集成学习是一种通过训练多个基学习器并将它们的预测结果进行组合，从而获得更优模型性能的方法。基学习器可以是同质的（如多个决策树）或异质的（如决策树、支持向量机和神...

GBDT算法的弱评估器为决策树（确切地说是回归树），我们已经熟悉各种剪枝参数对模型的影响。因此，我们对于Boosting算法中控制弱评估器的参数应该也不陌生：

在Boosting集成算法当中，我们逐一建立多个弱评估器（基本是决策树），并且下一个弱评估器的建立方式依赖于上一个弱评估器的评估结果，最终综合多个弱评估器的结果...

决策树（Decision Tree）是一种常用的监督学习算法，可以用于回归和分类任务。决策树模型通过学习数据中的决策规则，将数据分割成不同的分支和叶子节点，从而...

其中有监督分箱主要包括：卡方分箱和决策树分箱。无监督分箱主要包括：等距分箱、等频分箱和聚类分箱等。

通过配置决策树参数以及入模变量数量，自动化生成规则100多条，通过规则评估指标如命中率、精准率、召回率、lift进行初步筛选，组成为规则集进行初步的性能测试。

在下图中，左侧的决策树违反了第一个约束（[0, 1]），而右侧的决策树遵守了第一个和第二个约束（[0, 1]，[2, 3, 4]）。

随机森林是非常具有代表性的Bagging集成算法，它的所有基评估器都是决策树，分类树组成的森林就叫做随机森林分类器，回归树所集成的森林就叫做随机森林回归器。这一...

随机森林由众多独立的决策树组成（数量从几十至几百不等），类似于一片茂密的森林。它通过汇总所有决策树的预测结果来形成最终预测。最终结果是通过对所有树的预测进行投票...

AdaBoost，即自适应提升（Adaptive Boosting）算法的缩写，是一种基于 Boosting 策略的集成学习方法，旨在降低偏差。AdaBoost...

雷军在创业之初，用了两年半的时间，把手机从零做到了中国出货量第一，全球出货量第三。然而在过去的两年，小米也遇到了坎坷。2016年的时候，小米手机全球出货量跌出了...

Visual Studio Code现在支持通过WebAssembly执行引擎扩展运行WASM二进制文件。这使得开发者能够将Rust编写的程序编译为WebAss...

随机森林是一个包含多个决策树的分类器，并且其输出的类别是由多个树输出的类别的众数而定。

ee.Classifier.smileRandomForest(numberOfTrees, variablesPerSplit, minLeafPopulat...

很多同学最近在咨询有没有那种看起来比较炫酷和决策树图的可视化绘制方法？ 今天就给各位小伙伴介绍一个专门用于绘制炫酷「决策树(Decision Tree )图」的...

随机森林是一种集成学习方法，它通过构建多个决策树并取其投票结果（分类问题）或平均值（回归问题）来进行预测。随机森林的核心思想是每个决策树都是在不同的数据子集上训...