简介

本课程介绍了决策树决策森林

决策森林是一系列监督式机器学习模型和算法。具有以下优势:

  • 与神经网络相比,配置更易于配置。决策林的超参数更少;此外,决策林中的超参数提供了良好的默认值
  • 它们可原生处理数值、分类和缺失特征。因此,与使用神经网络相比,您可以编写的预处理代码要少得多,从而节省时间并减少错误来源。
  • 它们开箱即用并可提供出色结果,能够可靠地处理数据,具有可解释的属性。
  • 它们对小型数据集(<100 万个示例)进行推断和训练,其速度远快于神经网络。

决策森林在机器学习竞赛中产生了很好的结果,并且在许多行业任务中都广泛使用。决策森林是可行、高效且可解释的。您可以将决策森林用于许多监督式学习任务,包括:

本课程中的资料是对决策林的泛化,且与所有特定库无关。但是,诸如此类的橙色方框包含使用 TensorFlow 决策森林 (TF-DF) 库的代码示例。虽然这些示例特定于 TF-DF,但通常可以轻松转换为其他决策林库。

前提条件

本课程假定您已完成以下课程或具备同等知识:

祝您学习愉快!