Machine Learning

0. 引言 基础的树模型主要包含： 决策树（Decision Tree） 随机森林（Random Forest） 梯度提升树（Gradient Boosting Trees） 1. 决策树（Decision Tree） 1.1 算法原理 决策树是一种树形结构的分类和回归模型，通过对数据特征进行条件判断，将数据划分成不同的区域。树的每个节点代表一个特征的判断条件，叶子节点代表最终的类别或预测值。 ...

1. 引言 在机器学习领域，梯度提升树（Gradient Boosting Tree）是一种非常强大的集成学习方法，而XGBoost（eXtreme Gradient Boosting）是梯度提升树的高效实现，因其速度快、性能优异而广受欢迎，广泛应用于分类、回归、排序等任务。 ...

线性代数 线性代数是机器学习的数学基础，为数据表示和算法实现提供了核心工具。深入理解线性代数原理对于掌握现代机器学习算法至关重要。 核心概念与数学原理 向量空间与线性变换 定义：向量空间V是满足以下公理的集合，配备加法和标量乘法运算： ...