sybh的博客

决策树是一种非常受欢迎的机器学习算法，它可以用于分类和回归任务。在基于决策树的MNIST数字分类中，算法会学习如何从手写数字的图像像素值中提取特征，并根据这些特征来决定图像表示的数字（0到9）。MNIST数据集是一个包含了手写数字的大型数据库，常用于训练各种图像处理系统。数据集包含60000个训练样本和10000个测试样本。每个样本是一个28x28像素的灰度图像。数据预处理：加载MNIST数据集，并将图像的28x28像素矩阵平展成一个长度为784的一维数组。这样每个图像就变成了一个特征向量。

鸢尾花分类预测是一个典型的机器学习问题，旨在通过鸢尾花的几个特征，比如花瓣和萼片的长度和宽度，来预测鸢尾花属于哪个种类。鸢尾花数据集通常被用作统计分类技术的测试案例，是模式识别领域的一个经典问题。鸢尾花数据集主要包括三个类别：Setosa、Versicolour和Virginica，每个类别包括50个样本，因此总共有150个样本数据。每个样本的数据包含了四个特征（萼片长度、萼片宽度、花瓣长度、花瓣宽度），这些特征都是以厘米为单位的测量值。数据预处理：包括清洗数据、处理缺失值、特征选择等步骤。

我们采用了LGB模型作为实例,之后我们会对其使用网格搜索找到最优的参数.