基于梯度提升（Boosting ）的回归树简介
Boosting 是一种松散的策略，它将多个简单模型组合成一个复合模型。这个想法的理论来自于随着我们引入更多的简单模型，整个模型会变得越来越强大。
【人工智能】决策树
目录：前言一、决策树二、原理1、性质：2、停止分割常用算法意义前言：前言本文参考书籍：《人工智能原理及其应用》第四版✨你好啊，我是“ 怪& ”，是一名在校大学生哦。🌍主页链接：怪&的个人博客主页☀️博文主更方向为：课程学习知识、作业题解、期末备考。随着专业的深入会越来越广哦…一起期
人口出生居然可以XGBoost一步预测，普通程序员也可以
XGBoost可以针对分类和回归问题的梯度提升算法简单有效的实现。既快速又高效。也可以进行 ARIMA（时间序列） 相似的时间序列预测，需要先将时间序列数据集转化为监督学习问题。还需要使用一种专门的技术来评估模型，称为前向验证，因为使用 k 折交叉验证评估模型会导致乐观偏差的结果。听起来很复杂，但是
人工智能导论：决策树算法求解分类预测问题
随便说点什么最近好多好多的DDL啊啊啊…然后就搜索代码，结果在CSDN上面就怎么搜都搜不到…于是我就发了…应该现在搜这个的小伙伴应该都快要到考试周了吧，赶紧把实训做完，然后去好好复习吧！加油啊，祝你们考一个好成绩嗷！距离考研的时间也就一年了，说实话其实多少还是很害怕的，再加上我自身的一些问题，现在处
统计学习：决策树实现与梯度下降法（python实现， ID3算法）
一、ID3算法ID3算法的核心是在决策树各个结点上应用信息增益准则选择特征，递归的构建决策树。具体方法是：从根节点开始，对结点计算所有可能的特征的信息增益，选择信息增益最大的特征作为结点的特征，由该特征的不同取值建立子节点；在对子结点递归的调用以上方法，构建决策树；直到所有特征的信息增益均很小或者没
