作者：Ricky翘 zhuanlan.zhihu.com/p/34128571有时碰到跟别人聊起模型的熟悉时，不免要阐述下模型的原理，但一般口头交流都比较难，因为脑海里面都是一些公式，似乎从功利角度有必要把模型原理用文字表达一遍，所以自己整理了下...

在 集成学习概述 中已经知道了常用的集成算法有两种：Bagging 和 Boosting。而在 Bagging 中，随机森林（Random Forest，RF）又是其中典型的代表了。没错，这篇文章我们就是来介绍随机森林的。...

推荐导读：本篇为树模型系列第三篇，旨在从最简单的决策树开始学习，循序渐进，最后理解并掌握复杂模型GBDT，Xgboost，为要想要深入了解机器学习算法和参加数据挖掘竞赛的朋友提供帮助。...

本篇将详细介绍决策树常用的三种算法，剪枝处理，缺失值，决策树优缺点，以及常见的应用场景。

本篇将介绍决策树sklearn的使用，超参数的定义和用法，以一个简单的实战内容实现决策树的分类和回归实现。

相信很多朋友已经对决策树很熟悉了，决策树是机器学习中的一种基本的可用于分类与回归的方法，它是一些集成学习如GBDT，XGboost等复杂模型的基础。这些高级模型比如XGboost可以非常好地拟合数据，在数据挖掘比赛以及工业界中...

机器学习算法太多了，分类、回归、聚类、推荐、图像识别领域等等，要想找到一个合适算法真的不容易，所以在实际应用中，我们一般都是采用启发式学习方式来实验。通常最开始我们都会选择大家普遍认同的算法，诸如SVM，GBDT，Adaboos...

原文题目：FAHT: An Adaptive Fairness-aware Decision Tree Classifier

作者：Petr A. Golovach,Stavros G. Kolliopoulos,Giannos Stamoulis,Dimitrios M. Thilikos

作者：Ioannis Lamprou,Ioannis Sigalas,Vassilis Zissimopoulos