摘要：决策树的构建满足信息熵增益最大化原则 决策树的优点： 可解释性高 能处理非线性的数据 不需要数据归一化 可以用于特征工程 对数据分布没有偏好 广泛使用 容易软件实现 可以转化为规则 决策树的弱点 启发式生成，不是最优解 容易过拟合 微小的数据改变会改变整个树的形状 对类别不平衡的数据不友好 随机森林 阅读全文

摘要：支持向量机(svm)英文为Support Vector Machines 第一次接触支持向量机是2017年在一个在线解密游戏“哈密顿行动”中的一个关卡的二分类问题，用到了台湾教授写的svm库libsvm ‘C ’版。支持向量机在深度学*之前统治了机器学**10年，机器学*有个没有免费的午餐定理,意思 阅读全文

摘要：机器学习的分类： 监督学习:带标签 回归:连续 分类:离散 无监督学习 聚类:无标签，异常检测，降维 强化学习:试错 机器学习流程： 1.数据获取 2.数据清洗 3.特征工程 4.预处理 5.选择学习模型 6. 7.模型部署 数据预处理 特征提取:特征工程 处理缺失数据:均值、众数、聚类、丢弃 数据 阅读全文