数据结构大作业之随机森林与XGBoost训练与调参

做什么：

模型训练；
调参训练；
训练，优化得到预测模型

---

首先基础内容：

1. 课程链接
   基本原理认识
2. 基础概念知识：
   （1）交叉验证
   （2）随机森林，XGBoost，调参+学习曲线/网格搜索+解读调参结果和过程

---

课程基础：

sklearn：开源的基于python语言的机器学习工具包，几乎涵盖了大部分主流机器学习算法
随机森林：集成算法中的装袋法：一次性建立多个若评估器
Xgboost：集成算法中提升法的代表算法：梯度提升树

1. 树模型：分类树，回归树
2. XGB：每个叶子结点上会有一个预测分数，也被称为叶子权重，即为求解的xgb最后的结果：参数模型。(每棵树之间相互递进的关系）
3. xgb的超参数：k棵树；silent：打印训练的结果：建树流程
4. 简单建模：探索性质
   （1）xdb，随机森林，线性回归对比
   （2）学习曲线，进行优化

---

对比之随机森林

重点