【机器学习】带你3分钟看完《机器学习实战》总结篇

决策树易于理解和解释，可以可视化分析，容易提取出规则； 计算复杂度不高，对中间值的缺失不敏感，可以处理不相关特征数据； 测试数据集时，运行速度比较快； 决策树可以很好的扩展到大型数据库中，同时它的大小独立于数据库大小。一种二值决策分类“机”，泛化错误率低和较好的推广性使其被认为是监督学习中最好的定式算法。Boosting 中最流行的的一个算法是 AdaBoost，以弱学习器作为基分类器，并且输入数

>>阅读原文<<