决策树模型更合适吗？一探究竟 - 飞书文档
https://docs.feishu.cn/v/wiki/Ue7swBbiJiBhsdk5SupcqfL7nLX/ac决策树能够处理非线性关系，并且可以自动捕获特征之间的交互作用。 · 它可以生成可解释的规则，有助于理解模型如何做出决策。 · 决策树能够处理不同类型的特征，包括分类和数值 ...
飞搜侠
热门搜索
Task2：入门lightgbm，开始特征工程 - 飞书云文档
https://datawhaler.feishu.cn/wiki/MaARwcr8li63nikSFRRciRKSnjeGBDT. GBDT (Gradient Boosting Decision Tree) 是机器学习中一个长盛不衰的模型，其主要思想是利用弱分类器（决策树）迭代训练以得到最优模型，该模型具有训练效果好 ...
LightGBM模型的优势与实践 - 飞书文档
https://docs.feishu.cn/v/wiki/MaARwcr8li63nikSFRRciRKSnje/a3... 模型、预测结果。 基础概念入门. GBDT. GBDT (Gradient Boosting Decision Tree) 是机器学习中一个长盛不衰的模型，其主要思想是利用弱分类器（决策树）迭代训练以得到最优 ...
如何利用GPT赋能员工提效，帮我每月多挣10万元？ - 飞书文档
https://docs.feishu.cn/v/wiki/WxqawA0PSi1Jlqko6l9ckQGznzc/a3**2.朴素贝叶斯分类器：**朴素贝叶斯分类器是一种基于概率统计的分类模型，可以通过先验概率和条件概率计算出给定特征的情况下，某个类别出现的概率，从而进行分类决策。
AI专业术语 - 飞书文档
https://docs.feishu.cn/article/wiki/Kf9rwJlomiXOVikDTRFc6xLpnCf在机器学习中，决策树是一个预测模型，他代表的是对象属性与对象值之间的一种映射 ... 把若干个单个分类器集成起来，通过对多个分类器的分类结果进行某种组合来 ...
深度学习和机器学习在处理复杂数据上有何不同？ - 飞书文档
https://docs.feishu.cn/v/wiki/ILG5wcqn9ipsREkoESBcxiSIn0g/ah这些神经网络结构具有复杂的层次和连接方式，能够自动学习数据中的层次化特征。机器学习则涵盖了更广泛的模型类别，如决策树、贝叶斯分类器、支持向量机、聚类算法等。不同的 ...
深度学习入门基于baseline，预训练模型怎么用？ - 飞书文档
https://docs.feishu.cn/v/wiki/CsS2weZvgigEKok6IzycdiVunuy/ah机器学习：通常使用相对简单的算法（如线性回归、决策树）处理数据。需要人工设计特征工程来提高模型性能。 深度学习：通过深层神经网络自动学习特征，能够处理和学习 ...
VML新范式下的机器学习：自然语言带来了什么？
https://docs.feishu.cn/v/wiki/D8WowWHosiwxfYkfE6icFCPCnFd/ai... 决策树的不错的模型，但相比之下训练损失的波动更大。 图4: VML 在非线性二维平面分类任务中的训练过程记录。 医疗图像二分类. 如果大模型接受多模态输入，如图片和文字 ...
预训练模型有何用途？广泛应用于多种领域 - 飞书文档
https://docs.feishu.cn/v/wiki/VEmZwcx1AiIAWgkLMOacCyLtnUh/aeGPT代表"Generative Pre-trained Transformer"，是一种基于变换器（Transformer）架构的预训练语言模型。 ... 决策树：决策树是一种基于树状结构的传统模型，用于分类和 ...
机器学习与生成式人工智能的模型结构与算法区别 - 飞书文档
https://docs.feishu.cn/v/wiki/Mb0lwp0QWim8nxkUg8Gcyu1AnMe/a3机器学习的模型结构和算法多种多样。常见的机器学习算法包括决策树、支持向量机、朴素贝叶斯、神经网络等。这些算法在不同的领域和任务中都有各自的优势和适用范围。例如， ...