scala机器学习

(1)模型分析

线性回归模型	GBT模型	随机森林模型
小型训练数据集,精度不高	一次训练一棵树,减少了树的偏差	并行训练多棵树,不太容易过拟合,减少了树的方差;调整随机森林更容易.

(2)电信客户流失分析预测

	DT(决策树)
	DT是一种监督学习,可以用来解决分类和回归问题.
优点	- 方便实现,训练和解释 - 树可以可视化 - 高精度 - 抗噪声和缺失值
缺点	- 大而复杂的树很难解释 - 在同一子树中可能发生重复 - 可能有对角决策边界问题
在以下领域表现更好	- 针对高度精确的分类 - 医学诊断和预测 - 信用风险分析