决策树与随机森林初探

1、特征选择的几种方式 2、几种常见的决策树算法 3、过拟合处理——剪枝 4、连续值属性特征的处理 5、Bagging（代表：随机深林） 6、Boosting（提升）(代表：AdaBoost、GBDT、XGBoost) 7、决策树算法小结 决策树的优势力与劣势 1、特征选择的几种方式 决策树的最关键的问题，如何选择划分属性的顺序才能使得决策树的平均性能最好 举例： 这堆西瓜的熵是Ent(D)，按照

>>阅读原文<<