本章介绍决策树演算法, 包括单变数决策树(C4.5、ID3、CART)、多变数决策树、以决策树为集学习器的Bagging集成(随机森林)和以决策树为集学习器的Boosting集成(GBDT、XGBoost、LightGBM).

本系列文章有以下特点: (a). 为了减轻读者的负担并能使尽可能多的读者从中收益, 本文试图尽可能少地使用数学知识, 只要求读者有基本的微积分、线性代数和概率论基础, 并在第一节对关键的数学知识进行回顾和介绍. (b). 本文不省略任何推导步骤, 适时补充背景知识, 力图使本节内容是自足的, 使机器学习的初学者也能理解本文内容. (c). 机器学习近年来发展极其迅速, 已成为一个非常广袤的领域. 本文无法涵盖机器学习领域的方方面面, 仅就一些关键的机器学习流派的方法进行介绍. (d). 为了帮助读者巩固本文内容, 或引导读者扩展相关知识, 文中穿插了许多问题, 并在最后一节进行问题的"快问快答".

本章全文pdf可从如下链接下载

https://github.com/HaoMood/homepage/raw/master/files/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E5%B7%A5%E7%A8%8B%E5%B8%88%E9%9D%A2%E8%AF%95%E5%AE%9D%E5%85%B8-07-%E5%86%B3%E7%AD%96%E6%A0%91.pdf?

github.com

推荐阅读：

相关文章