机器学习-决策树和随机森林
摘要:
随机森林 用法: 1. 样本的相似度,认为在一个叶子节点的两个样本是相似的,来计算样本相似度矩阵。 2. 特征选择:修改节点的特征选择,看预测的结果有没有显著变化,有的话,说明被替换的特征比较重要,反之,不重要。 3. Isolation Forest: 随机选择特征,随机选择分割点生成一定深度的决 阅读全文
posted @ 2017-10-17 01:03 parkin 阅读(107) 评论(0) 推荐(0) 编辑