决策树算法的优缺点解析 - 飞书文档
https://docs.feishu.cn/v/wiki/GIzNwJDzni1o0rkKfgscIZPonKg/a7常见的监督学习算法包括决策树、支持向量机和神经网络等。 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 ...
飞搜侠
热门搜索
利用机器学习进行股票价格预测的深入探讨 - 飞书文档
https://docs.feishu.cn/article/wiki/IAD3wDkeeiqztmkG7yMco8V8nKg决策树是一种基于树结构的机器学习算法，它通过对数据进行分割和分类，来构建预测模型。 ... 为了提高决策树的泛化能力，可以采用随机森林等集成学习方法。 3. 神经网络.
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/TA8pwRSrhixmjUkICeNcEWbcnpc监督学习是一种基于有标记数据的学习方法。在监督学习中，模型通过学习大量的有标记样本，来预测未知样本的标记。常见的监督学习算法包括线性回归、逻辑回归、决策树、支持 ...
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 ...
机器学习与生成式人工智能在提高效率方面有何不同措施？ - 飞书文档
https://docs.feishu.cn/v/wiki/Mb0lwp0QWim8nxkUg8Gcyu1AnMe/aa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， ...
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 ...
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本文档是Datawhale 2024 年AI 夏令营第一期的速通学习手册，. 学习活动基于讯飞开放平台**“分子性质预测挑战赛”**开展实践学习——. 适合想**入门并实践机器学习算法**的 ...
终极算法：机器学习和人工智能如何重塑世界>书评及观点 - 飞书文档
https://docs.feishu.cn/v/wiki/QK3RwdvggiZNS0kP5VJcdqT5nLf/a2... 算法的“终极算法”。这种算法如果存在，将具有巨大的潜力，可以解决众多领域的复杂问题。作者深入探讨了不同类型的机器学习算法，包括决策树、神经网络、贝叶斯网络等。
机器学习各阶段发展特点及标志性算法
https://docs.feishu.cn/v/wiki/PDHowjst6iJJcGkQ51qchk2qnOf/a2在这个时期，基于 ... 例如，决策树算法在这个阶段得到了初步发展。决策树通过对数据特征的逐步分析和判断，构建出一棵类似于树状的结构，从而对数据进行分类和预测。
人工智能与机器学习模型发展的洞察 - 飞书文档
https://docs.feishu.cn/v/wiki/AY3vwReOZi1nshkLfSFcIjG9n1e/a6不同的算法适用于不同的问题场景。例如，决策树算法适用于处理分类问题，而支持向量机则在处理小样本数据时表现出色。神经网络由于其强大的非线性拟合能力，在处理复杂的模式 ...