决策树和随机森林是机器学习中的经典算法，因其易于理解和使用广泛而备受关注。尽管如此，随着数据集规模和复杂性增加，这些算法的性能可能会遇到瓶颈。因此，研究决策树与随机森林的改进成为了机器学习领域的一个热点话题。...
Baggging 框架通过有放回的抽样产生不同的训练集，从而训练具有差异性的弱学习器，然后通过平权投票、多数表决的方式决定预测结果。
集成学习作为机器学习领域的一项重要技术，其重要性不言而喻。它通过将多个学习器（弱学习器）的预测结果进行有效整合，以显著提升整体模型的泛化能力和预测精度。在复杂多变的现实数据环境中，单一学习器往往难以全面捕捉数据...
有的同学可能在大学学习过一门课程叫《数据结构》，里面有一个重要的结构就是“树”，和现实生活中的树一样，树的主要由四部分树根、树干、树枝、树叶组成，今天的决策树也是一种树结构，大家学习的时候可以想象现实生活中的树...
Scikit-learn（也称sklearn）是基于Python编程语言的机器学习工具，是简单高效的数据挖掘和数据分析工具，它建立在NumPy、SciPy和matplotlib等库的基础上，可在各种环境中重复使用。其基本功能主要被分为六大部分：分类、回归、...
DT 在运筹学和数据科学领域非常实用，其成功的原因在于它遵循与人类决策过程类似的过程。该过程基于流程图，其中每个节点都会对给定变量进行简单的二元决策，直到我们做出最终决策。...
导读：在机器学习领域，处理类别型特征一直是个棘手的问题。传统的GBDT算法在这一领域的表现并不尽如人意，直到CatBoost的出现。今天，我们就来聊聊CatBoost是如何优雅地解决这一难题的，以及它在实际应用中的强大之处。...
信息增益比本质： 是在信息增益的基础之上乘上一个惩罚参数。特征个数较多时，惩罚参数较小；特征个数较少时，惩罚参数较大。惩罚参数：数据集D以特征A作为随机变量的熵的倒数。...
本次实验使用决策树模型进行建模，实现对车险 数据的分析，车险数据为如下MTPLdata.csv数据集：
