簡介

決策樹具備下列優點:

  • 相較於神經網路,決策樹有較少的超參數;此外,決策樹中的超參數提供良好的預設值
  • 原生處理數值、類別和缺少的特徵。這表示您可以編寫的預處理程式碼遠少於使用神經網路時,因此可節省時間並減少錯誤來源。
  • 這些模型通常可直接產生良好結果,對雜訊資料具有抗噪能力,且具有可解讀的屬性。
  • 相較於神經網路,這種方法在小型資料集 (< 100 萬個例項) 上進行推論和訓練的速度更快

決策樹在機器學習競賽中可發揮良好的效果,並廣泛用於許多產業工作。

本課程將介紹決策樹和決策森林。決策樹是一組可解讀的機器學習演算法,可用於處理表格資料。決策樹可執行以下操作:

YDF 代碼
本課程將說明決策樹的運作方式,但不會著重於任何特定程式庫。不過,在課程期間,文字方塊會展示依賴 YDF 決策樹資料庫的程式碼範例,但可以轉換為其他決策樹資料庫。

先備知識

本課程假設您已完成下列課程或具備同等知識:

學習愉快!