14.0 简介
基于树的学习算法是十分流行且应用广泛的一类非参数化的有监督学习算法,这些算法既可用于分类又可用于回归。基于树的学习算法的基础是包含一系列决策规则(例如,“如果他们是男性……”)的决策树。这些决策规则看起来很像一棵倒置的树,第一个决策规则在顶部,随后的决策规则在其下面展开。在决策树中,每个决策规则产生一个决策节点,并创建通向新节点的分支。终点处没有决策规则的分支被称为叶子节点(leaf)。决策树型模型普及的一个原因是它们的可解释性很强。
实际上,通过绘制完整的决策树可以创建一个非常直观的模型(参见14.3节)。从这个基本的树系统可以引出各种各样的扩展,包括随机森林和堆叠(stacking)模型。本章将介绍如何训练、处理、调整、可视化和评估基于树的模型。
本书评论