基于决策树的分类预测

决策树原理 决策树是一种常见的分类模型。 优点： 具有很好地解释性，模型可以生成可以理解的规则。 可以发现特征的重要程度。 模型的计算复杂度较低。 缺点： 模型容易过拟合，需要采用减枝技术处理。 不能很好利用连续型特征。 预测能力有限，无法达到其他强监督模型效果。 基于企鹅数据集的决策树实战 思考与讨论 1.为什么说Boosting既可减小方差，又可减小偏差？ ①因为boosting是一个迭代算法

>>阅读原文<<