.md .pdf

树模型与集成学习

介绍待填

• Part A: 决策树
  • 1. 信息论基础
  • 2. 分类树的节点分裂
  • 3. CART树
  • 4. 决策树的剪枝
  • 知识回顾
• Part B: 集成模式
  • 1. 为何集成
  • 2. bagging与boosting
  • 3. stacking与blending
  • 4. 两种并行集成的树模型
  • 知识回顾
• Part C: 自适应提升法
  • 1. Adaboost概述
  • 2. 分类损失
  • 3. SAMME
  • 4. SAMME.R
  • 5. Adaboost.R2
  • 知识回顾
• Part D: 梯度提升树
  • 1. 用于回归的GBDT
  • 2. 用于分类的GBDT
  • 3. XGBoost算法
  • 4. LightGBM算法
  • 知识回顾

机器学习：从原理到实现 Part A: 决策树