质量属性效用树例子_树模型小结

本文是对决策树相关模型的总结,包括RandomForest的四个组成部分,随机选择样本和特征的原理,GBDT的负梯度拟合残差,以及XGBoost和LightGBM的简要介绍。文中还提及了各模型的优化特点和调参策略。
摘要由CSDN通过智能技术生成

复习完决策树之后紧接着看了一些树模型的原理,在这里做一下小结。

关于决策树可以看

鱼遇雨欲语与余:机器学习面试干货精讲(Ⅰ)​zhuanlan.zhihu.com
65f2787b47f641a714f79b3e44bdcdd4.png
谓之小一:机器学习之分类与回归树(CART)​zhuanlan.zhihu.com
d3827a0585b395823ee4aec891e6243b.png
决策树算法中,CART与ID3、C4.5特征选择之间的区别会对实际应用有哪些影响?哪种的结果会更好些?​www.zhihu.com
ab4f8d8c0e69b7c42cb33b4aee0484fb.png

更详细的可以看李航统计学习方法。

一、RandomForest:它在以决策树为基学习器构建Bagging集成的基础上,进一步在决策树的训练过程中引入了随机特征选择,RF包括4个部分,1、随机选择样本(放回抽样)ÿ

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值