我觉得,理解机器学习是一层一层的递进的,了解的越多越觉得像个傻子,刚开始觉得懂了各种基础算法的流程,懂了梯度下降的过程,懂了最优化的方法就牛逼了,但是越学越觉得神奇,正则化与概率分布,矩阵分解等等数学原理与机器学习紧密相连,路漫漫其修远。
开个微博记录一下自己的理解,有可能不对,长期更新,第一阶段先总结对于传统机器学习算法的理解,希望尽量升入涉及本质,所以需要长期的探索。
这篇总结树模型的原理,先占个坑,有时间慢慢写
1.决策树 ID3 和 C4.5
2.CART树
3.树模型集成方法
4.RF
5.Adaboost
6.GDBT
7.XGBoost
8.深度森林(哈哈哈哈)