weixin_44414593的博客

1.对特征进行归一化，特征的尺度进行缩放对决策树有影响吗？ 没有。 2.决策树的损失函数是什么？ 看这个链接 3.简述决策树原理 决策树是一种拥有树形结构的监督学习分类算法模型。 结构包含根节点、内部节点和叶子节点。 根节点：代表包含数据集中所有数据的集合； 子节点：经过属性划分后产生的非叶子节点，代表经过条件划分后更加相似的样本数据； 叶子节点：代表某一个结果类别，在同一个类别的样本数据属于同一个类别。（最下面的节点） 同一叶子节点下的样本会被分类成同一类别，回归问题则是同样的回归值。 4.决策树的优缺点

缺失值处理方法 综述 1.删除。缺失值达到一定比例后（比例数值主观判断），直接删除吧。因为缺失值填补会在一定程度上改变数据的分布。 **2.人工填补法。**人工智能还是依赖于人工。 **3.特殊值处理。**类别特征存在缺失时，该方法容易理解。数值型特征缺失时，不建议使用。另外使用该方法会改变数据分布，所以并不建议使用。 4.同类填充（我自己命名）。缺失值为类别特征时，分析关联特征，然后进行groupby，使用该分组中的众数进行填充。数值型特征操作方法一致，但是田中方法可以换成均值，中位数，均值与中位数加权和

0.其他人的博客 其他人的博客 1.线性回归要求因变量服从正态分布？ 线性回归要求因变量服从正态分布 2.LASSO和RIDEG相比较 添加链接描述

1.特征共线性。 添加链接描述 添加链接描述 2.工作中的模型选择 添加链接描述 3.特征选择 添加链接描述