理工酷

Machine Learning - Made Easy To Understand 如果你正在寻找一本可以帮助理解机器学习算法中的“随即森林”和“决策树”如何在后台工作的书，那么这对你来说是一本好书。这两种算法通常用于各种应用程序中，包括针对行业的大数据分析和像在Kaggle上一样的数据分析竞赛。 本书解释了决策树的工作原理，以及如何将它们组合成随机森林以减少决策树的许多常见问题，例如过度拟合训练数据。 Several Dozen Visual Examples 本书包含数十幅图像，详细描述了诸如决策树如何选择将要进行的拆分，决策树如何过度拟合数据以及如何将多个决策树进行组合以形成随机森林之类的问题。 This Is Not A Textbook 我看到的大多数关机器学习的书籍都属于两类，它们要么是教科书，要么完全专注于如何运用该算法写代码以及如何调整参数。 本书采用了不同的方法，它提供了有关决策树和随机森林工作原理的简单示例，并逐步在这些示例上进行扩展，一步一步地涵盖算法中更复杂的部分。通过分解决策树和随机森林背后的数学表达式，并说明各部分的功能及其对所涉及示例的影响来进行解释。 Topics Covered 本书涵盖的主题有： 决策树和随机森林的概述 与决策树如何工作相比，人类如何对数据集进行分类的手动示例 决策树如何工作，以及为什么容易过度拟合 如何组合决策树形成一个随机森林 如何使用随机森林对数据进行分类和做出预测 如何确定随机森林中要使用多少棵树 “随机性”从何而来 如何判断决策树上的哪个分支是最佳选择等等