Task 08（树模型组队总结

这次的团队学习，我学习到了什么？

理论上的

从基础模型树模型到集成模型Bagging, Boosting和stacking以及blending，学起来感觉特别地舒服。从信息论到树的生成，从信息熵到gini指数，从只能进行分类的ID3, C4.5到既能分类又能回归的CART, 树的预剪枝和后剪枝，系统地学习了及模型的由来，过程，以及各个模型的特点。

从为什么要集成到如何集成，学习到了集成学习带来的好处，集成学习的每一步更新步骤，学习到了所谓的切入点。

再详细了解了RandomForest, AdaBoost, GBDT, XGBoost, LightGBM，了解主要的步骤，以及向随机森林随机抽取特征会有什么好处、AdaBoost为什么要使用指数损失函数、GBDT的更新方式与AdaBoost有什么不同（从参数空间到模型的学习上的转折特别有趣）、XGBoost和GBDT的区别（XGBoost的分裂方式跟GBDT的主要区别是XGBoost是利用损失函数的下降来作为信息熵的减少）、XGBoost与LightGBM的区别以及LightGBM引入的特征绑定和GOSS采样等等。

这样总结起来一下子就通透了，比之前零零散散从网上各处看博客学习得系统多了，感谢GYH老师。

一些感悟

学习了到树模型的基础知识，在对树模型的理论基础上有了很大的提升，但是后期因为精力跟不上加上自身驱动力不足，在程序代码方面都没有好好按照作业的要求来认真地去搞。我感到很羞愧，大家都在好好努力学习，我在这里就马马虎虎地将树模型学习了。

不过在这里总结里，我还是要尝试给这次的跟队学习一点点积极的暗示（来点啊Q精神吧，不然干不下去了）：因为这次的组队学习的存在，老师的直播的存在，晚上实习回来的我没有完全将时间放在无尽的刷手机上，我还留有了一些时间去学习树模型。尽管这次学习的并不全面，尽管关注的较多的还是理论层面（这里保留了之前大学学习时的坏毛病–喜欢学习理论，不注重实践，这也是老理科人的诟病了，没说全部，至少是我的一个很大的坏毛病），但是我还是说，我学习到了很多的东西，从一个新的角度，不同于李航课本上的精炼、不同于网络各种博客的零散文章，系统完整地从为什么，怎么做？到怎么实现？大致走过了一遍。

欸，不对，你说你走过了一遍，但是你之前又说自己关注了过多的理论，但是在总结的开头又说代码没好好搞？

我这说的是大致过一遍，给心里留个念想，今年，2021年末之前，将其完成。（欢迎看到这里的给我一个监督，年末没有将代码更新到博客中，问我来要一杯奶茶钱（人多时），人少就一人50）

扯远了，那到底说说我学习到了什么？

• 系统性地学习树模型地知识，从为什么引入这个模型，再到解释这个东西，初次是这个模型，再一点点地改进，从优缺点引入这些改进，最后得到我们所看见地（常用的）这个模型。特别喜欢这种方式。
• 加上在每次介绍的时候，我们需要回答侧边栏的问题，这些让我对开始动脑子真正去理解这个问题。开始的时候我可能有些偷懒马马虎虎地学习，因为要解答这个问题，所以我就需要真正地去将这些知识真正地学习一遍。
• 看直播时老师讲课，收获了开心与感动的感觉，好久没上课了（关于我没有好好写代码，我感到非常愧疚）

没学习到什么（关于最开始的目标），一些做的不好的地方

• 学习的材料仅仅局限于老师写的博客，没有自己多看相关的文章。应该多去看看其它的博客，进行全面地总结。
• 自己没有整理算法的优缺点，需要多阅读文章，去整理这些（这些以后都需要添加到博客中）
• 关于代码，是我感到最缺憾的事情，应该多花些时间去学习代码的，这些都需要在周末的时候补起来（年末之前完成）。
• 关于学习的一些目标：可以像老师写博客一样，去研究一个东西，从为什么，到一个初步的模型，再去进行改进，到我们最后最常用的模型；或者说从比较通用的模式学起，再一点点地特殊化，到我们日常所见的（比如从多分类到我们常见的二分类）
• 希望以后学习的时候，不要太爱惜自己的手指，多输出一些东西，即便是从别人那里借鉴的来学习到的东西，也可以转化成自己的知识写出来，系统地学习多个东西，写出一篇自我比较满意的博客。（当然，需要列出参考文献）
• 此外，多使用搜索引擎，不需要钱！！获取知识就是这么简单！！

最后，感谢GYH老师辛勤的付出！