(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 |