Utopia

决策树一棵决策树，包括：根结点 内部结点：对应于一个属性测试 叶子结点：决策的结果目的：产生一棵泛化能力强的决策树，换言之就是处理未见过的示例能力强的决策树。优缺点：划分选择决策树学习的一个关键在于，如何去选择一个最优划分的属性，要根据这个属性去创建下一个分支。也就是说，我们希望决策树的分支结点所能包含的样本尽可能的属于同一个类别，结点purity越来越高。一，信息增益ID3决策树信息熵(information entropy)：假设样本集D中第k类样本..

跟随李沐老师学习机器学习机器学习基本分类监督学习 自监督学习：标号来自数据的本身。 半监督学习：有一部分标号，还有大量的数据没有标号。可以简单概括为两个任务 像监督学习一样，训练模型预测标号，尽可能利用无标号的数据。 预测没有标号数据的标号，例如self-training 无监督学习 强化学习监督学习基本组成：模型：将输入数据转化为目标输出。 损失：衡量预测值与真实值之间的差异，需要去定义用哪个函数去衡量。 目标函数：任务的最终目标，通常是使损失最小..