决策树、随机森林、bagging、boosting、adaboost、gbdt、xgboost总结
机器学习算法与Python实战
共 5733字,需浏览 12分钟
·
2021-12-18 20:56
作者:ChrisCao
https://zhuanlan.zhihu.com/p/75468124
一. 决策树
1.ID3算法:以信息增益为准则来选择最优划分属性
2.C4.5基于信息增益率准则 选择最有分割属性的算法
3.CART:以基尼系数为准则选择最优划分属性,可用于分类和回归
二.随机森林
1.构建组合分类器的好处:
三、GBDT和XGBoost
1.在讲GBDT和XGBoost之前先补充Bagging和Boosting的知识。
2.GBDT
3.XGBoost
point的候选,遍历所有的候选分裂点来找到最佳分裂点。
推荐阅读
如有收获,欢迎三连👇
评论