有监督学习：对具有概念标记（分类）的训练样本进行学习，以尽可能对训练样本集外的数据进行标记（分类）预测。这里，所有的标记（分类）是已知的。因此，训练样本的岐义性低。...
2.ID3和C4.5算法可以处理实数特征吗？如果可以应该怎么处理？如果不可以请给出理由？
XGBoost 是大规模并行 boosting tree 的工具，它是目前最快最好的开源 boosting tree 工具包，比常见的工具包快 10 倍以上。Xgboost 和 GBDT 两者都是 boosting 方法，除了工程实现、解决问题上的一些差异外，最大的不同就是...
最近， 技术在 Kaggle 竞赛以及其它预测分析任务中大行其道。本文将尽可能详细地介绍有关 Boosting 和 的相关概念。
Boosting、Bagging和Stacking是集成学习(Ensemble Learning)的三种主要方法。Boosting是一族可将弱学习器提升为强学习器的算法，不同于Bagging、Stacking方法，Boosting训练过程为串联方式，弱学习器的训练是有顺序的，每个...
正文共：8270 字 151 图 预计阅读时间：21 分钟前文推送MIT线性代数相关资源汇总《机器学习》--第一章《机器学习》--第二章《机器学习》--第三章（上）《机器学习》--第三章（下）本文目录：4.1 决策树基本流程4.2 划分选择4.3 剪...
数据可视化，对于很多人来说，并不是高不可攀和陌生的东西，无论是否是数据行业从业者，在日常的工作和汇报当中，都不免会使用到各种图表来直观的呈现数据。...
决策树(Decision Tree)是机器学习中一种经典的分类与回归算法。本文主要讨论用于分类的决策树。决策树模型呈树形结构，在分类问题中，决策树模型可以认为是if-then规则的集合，也可以认为是定义在特征空间与类空间上的条件...
最近笔者学到了一个新词，叫做“认知折叠”。就是将复杂的事物包装成最简单的样子，让大家不用关心里面的细节就能方便使用。作为数据科学领域从业者，我们所做的事情就是用数学模型来解决实际的商业决策问题，最后包装成客户...
