内容简介：本章主要讲了决策树学习算法的三个部分：特征选择、树的生成方式和树的剪枝以及三种决策树算法：ID3、C4.5、CARTTips:决策树的东西比较多（这章啃了一个星期才啃完 (lll￢ω￢)），我们平时使用的sklearn里面的决策树用的就是CART算法，所以这章的重点就在于CART的两种树模型（回归树、分类树），ID3和C4.5可作为了解:
决策树
本章主要讲了决策树学习算法的三个部分：特征选择、树的生成方式和树的剪枝以及三种决策树算法：ID3、C4.5、CART
Tips:决策树的东西比较多（这章啃了一个星期才啃完 (lll￢ω￢)），我们平时使用的sklearn里面的决策树用的就是CART算法，所以这章的重点就在于CART的两种树模型（回归树、分类树），ID3和C4.5可作为了解:
凹脑图在线浏览地址： 决策树
逻辑斯蒂回归模型
逻辑斯蒂回归模型是经典的分类学习器，在二分类的监督问题上分类效果非常好，其经典之处就在于LR的分布函数-sigmoid函数:
思维导图在线浏览地址： 逻辑斯蒂回归模型
最大熵模型与最优化算法
最大熵模型目前应用在NLP上比较多，本章的最大熵模型的内容与数学推导公式比较多，大家可以选择自己想要了解的地方去了解就行:
思维导图在线浏览地址： 最大熵模型与最优化算法
线性可分支持向量机
在机器学习的学习之路上，SVM是ML童鞋们在分类问题上一定会遇到的一个学习方法，SVM这一章将SVM按训练数据的线性可分性分为由简到繁分为三种模型： 线性可分支持向量机(linner support vector machine in linearly separable case) 、 线性支持向量机(linear support vector machine) 以及 非线性支持向量机(non-linear support vector) 。在实际工程中，面对不同规模的数据集时，在小型数据集上，SVM有时仅需 小量 的训练数据，就可以得到比较好的训练结果，而这正是因为SVM的特性-支持向量，下面通过思维导图先简单介绍下SVM：
线性可分支持向量机：
思维导图在线浏览地址： 线性可分支持向量机
思维来自《统计学习方法》-李航
欢迎前往我的个人小站： www.wengjj.ink
才学疏浅，欢迎评论指导
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持 码农网
猜你喜欢:
- 【逼你学习】让自制力提升300%的时间管理方法、学习方法分享
- 学习方法模式续(200319)
- 投机取巧学习方法
- 统计学习方法-感知机笔记
- 统计学习方法-决策树笔记
- 《统计学习方法》 ( 李航 ) 读书笔记
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
