当我开始走上数据科学的职业道路，我经常面临的问题是为我的具体问题选择最合适的算法。如果你像我一样，当你打开一些关于机器学习算法的文章，你会看到许多详细的描述。矛盾的是，他们并没有减轻选择的压力。...

所谓的回归树模型其实就是用树形模型来解决回归问题，树模型当中最经典的自然还是决策树模型，它也是几乎所有树模型的基础。虽然基本结构都是使用决策树，但是根据预测方法的不同也可以分为两种。第一种，树上的叶子节点就对...

1）访问此数据集，请单击“进程”选项卡，然后转到存储库并单击显示数据的存储库，然后打开下拉菜单以查看数据集“Iris”，如下图所示。

可解释性通常是指使用人类可以理解的方式，基于当前的业务，针对模型的结果进行总结分析；

说起机器学习入门书，大概有成百上千种选择。这些书籍大多是由具备丰富研究经验的学者撰写的，涵盖各种主题。

决策树在训练集中的表现较好，但是因其不具有灵活性而在其他外部数据中的表现略差。由许多决策树组成的随机森林更具有灵活性，从而较大地提高了准确预测的能力。...

由于神经网络的复杂性，它们常常被认为是解决所有机器学习问题的「圣杯」。而另一方面，基于树的方法并未得到同等重视，主要原因在于这类算法看起来很简单。然而，这两种算法看似不同，却像一枚硬币的正反面，都很重要。...

集成学习（ensemble learning）指的是将多个学习器进行有效地结合，组建一个“学习器委员会”，其中每个学习器担任委员会成员并行使投票表决权，使得委员会最后的决定更加有效，即泛化性能要能优于其中任何一个学习器。...

假设有一棵树，最上层的是root节点，而父节点会依赖子节点。如果现在有一些节点已经标记为无效，我们要删除这些无效节点。如果无效节点的依赖的节点还有效，那么不应该删除，如果无效节点和它的子节点都无效，则可以删除。剪掉这...

第一步；数据文件获取（1.导入数据 2.查询结构 3.更改结构 4.汇总变量信息）；第二步；数据预处理（1.剔除缺失值2.变量转换与衍生 3.读出处理好的数据观察和可视化4.汇总变量类型）；第三步；数据挖掘（1.逻辑回归 2. 决策树 3.随机森林 ...