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 ...
飞搜侠
热门搜索
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 ...
探索机器学习中LightGBM的应用 - 飞书文档
https://docs.feishu.cn/v/wiki/MaARwcr8li63nikSFRRciRKSnje/a2GBDT (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、不易过拟合等 ...
机器学习分类与回归任务有何不同？ - 飞书文档
https://docs.feishu.cn/v/wiki/FbbIw89ygiWwfekmFBpcAmc1noh/ab图3 决策树（左）分类型决策树，（右）回归型决策树. 划分每个节点的目标是让该节点中的值尽可能相同。在分类任务中，常见的就是信息熵衡量；在回归任务中，可以使用均 ...
梯度下降助力学习决策树 - 飞书文档
https://docs.feishu.cn/v/wiki/wikcn5CagnF93zLDuffR7nhuFud/a5决策树是一种基于数据做出决策的AI ... 本文讨论了一种使用梯度下降的新方法，该方法有助于我们构建更好的决策树，并为AI需要对事物进行分类的任务获得更准确的结果。
哈佛Python人工智能导论课程中的决策树算法有何特点？ - 飞书文档
https://docs.feishu.cn/v/wiki/GMwywjEZFih0vKk7uc6caAaTnXc/af决策树则通过对数据特征的不断划分来构建决策模型，它具有直观易懂的优点。支持向量机则是一种强大的分类算法，它通过寻找最优的分类超平面来对数据进行分类。学员不仅 ...
人工智能算法的类型及其工作原理 - 飞书文档
https://docs.feishu.cn/article/wiki/BcUZwAO7riaP4ak3hWxcGjOen5f决策树是一种基于树结构的算法，它通过对数据进行分割来进行分类和预测。决策树的优点是易于理解和解释，但其缺点是容易过拟合。支持向量机则是通过寻找一个最优的超平面来将 ...
机器学习的适应性 - 飞书文档
https://docs.feishu.cn/v/wiki/XLBiwgxPkiR8lrkZ2Slcax0Gnjc/aj从技术角度来看，机器学习的适应性体现在多个方面。首先是算法的适应性。不同的算法适用于不同类型的数据和任务。例如，决策树算法适用于处理具有明确分类特征的数据，而神经 ...
免费AI培训课程中的决策树算法有何作用？ - 飞书文档
https://docs.feishu.cn/v/wiki/KO2EwxPc0izCtZkkCe5ci666ned/af学习者可以通过这些课程掌握如何使用常见的机器学习算法，如线性回归、决策树、聚类算法等，来解决实际问题，如预测房价、图像分类、客户细分等。 深度学习是AI 领域的 ...
监督学习的模型构建过程是怎样的？ - 飞书文档
https://docs.feishu.cn/v/wiki/PB7JwnAMTiPvoUk3Tg6c174Wnqf/ab其中，最常见的包括决策树、支持向量机和神经网络等。决策树算法通过构建一棵树状结构来进行决策，每个节点代表一个属性的测试，叶子节点则代表最终的分类结果。支持 ...