Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
Phil_X
ml-nlp
提交
853297a3
M
ml-nlp
项目概览
Phil_X
/
ml-nlp
与 Fork 源项目一致
从无法访问的项目Fork
通知
1
Star
0
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
M
ml-nlp
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
体验新版 GitCode,发现更多精彩内容 >>
未验证
提交
853297a3
编写于
7月 07, 2019
作者:
N
NLP-LOVE
提交者:
GitHub
7月 07, 2019
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
Update README.md
上级
c85b6fb6
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
12 addition
and
1 deletion
+12
-1
Machine Learning/3.1 Random Forest/README.md
Machine Learning/3.1 Random Forest/README.md
+12
-1
未找到文件。
Machine Learning/3.1 Random Forest/README.md
浏览文件 @
853297a3
## 目录
-
[
1.什么是随机森林
](
https://github.com/NLP-LOVE/ML-NLP/tree/master/Machine%20Learning/3.1%20Random%20Forest#1什么是随机森林
)
-
[
1.1 Bagging思想
](
https://github.com/NLP-LOVE/ML-NLP/tree/master/Machine%20Learning/3.1%20Random%20Forest#11-bagging思想
)
-
[
1.2 随机森林
](
https://github.com/NLP-LOVE/ML-NLP/tree/master/Machine%20Learning/3.1%20Random%20Forest#12-随机森林
)
-
[
2. 随机森林分类效果的影响因素
](
https://github.com/NLP-LOVE/ML-NLP/tree/master/Machine%20Learning/3.1%20Random%20Forest#2-随机森林分类效果的影响因素
)
-
[
3. 随机森林有什么优缺点
](
https://github.com/NLP-LOVE/ML-NLP/tree/master/Machine%20Learning/3.1%20Random%20Forest#3-随机森林有什么优缺点
)
-
[
4. 随机森林如何处理缺失值?
](
https://github.com/NLP-LOVE/ML-NLP/tree/master/Machine%20Learning/3.1%20Random%20Forest#4-随机森林如何处理缺失值
)
-
[
5. 什么是OOB?随机森林中OOB是如何计算的,它有什么优缺点?
](
https://github.com/NLP-LOVE/ML-NLP/tree/master/Machine%20Learning/3.1%20Random%20Forest#5-什么是oob随机森林中oob是如何计算的它有什么优缺点
)
-
[
6. 随机森林的过拟合问题
](
https://github.com/NLP-LOVE/ML-NLP/tree/master/Machine%20Learning/3.1%20Random%20Forest#6-随机森林的过拟合问题
)
-
[
7. 代码实现
](
https://github.com/NLP-LOVE/ML-NLP/blob/master/Machine%20Learning/3.1%20Random%20Forest/RandomForestRegression.ipynb
)
## 1.什么是随机森林
### 1.1 Bagging思想
...
...
@@ -80,7 +91,7 @@ bagging方法中Bootstrap每次约有1/3的样本不会出现在Bootstrap所采
1.
你已经建了一个有10000棵树的随机森林模型。在得到0.00的训练误差后,你非常高兴。但是,验证错误是34.23。到底是怎么回事?你还没有训练好你的模型吗?
**答:**
该模型过度拟合,因此,为了避免这些情况,我们要用交叉验证来调整树的数量。
答:
该模型过度拟合,因此,为了避免这些情况,我们要用交叉验证来调整树的数量。
## 7. 代码实现
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录