簡介

本課程介紹了決策樹決策樹

決策森林是一系列監督的機器學習模型與演算法。優點如下:

  • 與類神經網路相比,設定更容易設定。決策樹較少的超參數;此外,決策中的超參數提供了良好預設值
  • 而是以原生方式處理數字、類別以及缺漏的功能。這代表相較於使用類神經網路,你編寫的預先處理程式碼可以少很多,可為您節省時間並減少錯誤來源。
  • 牠們通常會立即取得良好搜尋結果、造福大量的資料,且具備可解讀的屬性。
  • 且推論小型資料集 (小於 100 萬) 的速度比類神經網路

決策森林可以帶來優異的機器學習競賽成果,廣泛用於許多工業工作。決策樹系能有效、有效率且可互通。您可以將許多森林用於執行監督學習工作流程,包括:

本課程的內容泛指決策森林,且適用於任何特定程式庫。不過,這樣的橘色方塊包含使用 TensorFlow Decision Forests (TF-DF) 程式庫的程式碼範例。雖然這些是 TF-DF 專屬的內容,但這些範例通常容易轉換成其他決策森林資料庫。

必要條件

本課程假設你已完成下列課程或具備同等知識:

祝你學習愉快!