机器学习之决策树和随机森林实践

一、决策树过拟合、剪枝以及评价 决策树拟合： 决策树对训练属于有很好的分类能力，但对未知的测试数据未必有好的分类能力，泛化能力弱，即可能发生过拟合现象； 决策树过拟合解决办法：剪枝，随机森林； 决策树剪枝： 决策树剪枝思路： 剪枝系数： 剪枝算法： 二、随机森林 BootStraping策略: 随机森林定义： 随机森林在bagging基础上做了修改： 1、从样本集中用Bootstrap采样选出n个

>>阅读原文<<