1.决策树
分类决策树，回归决策树
离散是分类，连续是回归决策
id3算法：熵，（分类越细，错误越小）过拟合
xi 表示各种情况（例如，出门与不出门| 优秀、及格、不及格）p(xi)为概率
e = 0 分类最差 e = 1 分类最好 e(0~1)
C4.5: 熵增
减轻过拟合化
上面俩个不能做回归决策
cart：Gini指数 （判断分类的程度是否混乱）
损失函数 均方误差 连续，
剪枝（避免过拟合）
2.随机森林（基于决策树）
随机，分离
3.支持向量机
4.logistic回归
离散/连续 ———》logistic ————》离散
标签：11,xi,回归,分类,离散,拟合,决策树 来源： https://www.cnblogs.com/zhangdudu/p/16465436.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。