摘要：上一节对决策树的基本原理进行了梳理，本节主要根据其原理做一个逻辑的实现，然后调用sklearn的包实现决策树分类。

集成学习从字面上就是集成很多分类器进行学习的过程，通过将一系列弱分类器的模型做一些简单的线性组合，最终形成了一个较强的分类器。因此集成学习的一般思路有以下三种：...

前面对GBDT的算法原理进行了描述，通过前文了解到GBDT是以回归树为基分类器的集成学习模型，既可以做分类，也可以做回归，由于GBDT设计很多CART决策树相关内容，就暂不对其算法流程进行实现，本节就根据具体数据，直接利用Python自...

用电压控制有机分子材料，实现决策树算法，相当于实现了if-then-else语句的功能。

本文最初发表于 Towards Data Science 博客，经原作者 Santiago Valdarrama 授权，InfoQ 中文站翻译并分享。

随机森林（random forest）是一种组成式的有监督学习方法，可视为决策树的扩展。

随着时间的推移，学习模型变得越来越复杂，很难直观地分析它们。人们经常听说机器学习模型是"黑匣子"，从某种意义上说，它们可以做出很好的预测，但我们无法理解这些预测背后的逻辑。这种说法是正确的，因为大多数数据科学家发现...

描述统计是通过图表或数学方法，对数据资料进行整理、分析，并对数据的分布状态、数字特征和随机变量之间关系进行估计和描述的方法。描述统计分为集中趋势分析和离中趋势分析和相关分析三大部分。...

数据是构建人工智能系统必需的关键基础设施。数据在很大程度上决定了AI系统的性能、公平性、稳健性、安全性和可扩展性。

文章目录GBDT 原理 例子问题实例GBDT GBDT既可以用于分类也可以用于回归. GBDT(Gradient Boosting Decision Tree,梯度提升决策树树)是一种迭代的决策树算法，该算法由多棵决策树组成，所有树的结论累加起来做最终答案。 ...