weixin_47244751的博客

一、SVM的介绍 支持向量机（Support Vector Machine，SVM）是一个非常优雅的算法，具有非常完善的数学理论，常用于数据分类，也可以用于数据的回归预测中，由于其其优美的理论保证和利用核函数对于线性不可分问题的处理技巧，在上世纪90年代左右，SVM曾红极一时。 二、Demo实践 Step1:库函数导入 Step2:构建数据集并进行模型训练 Step3:模型参数查看 Step4:模型预测 Step5:模型可视化 2.1 库函数导入 2.2 构建数据集并进行模型训练 2.3 模型参数查

一、决策树 1.决策树的介绍 决策树是一种常见的分类模型，在金融分控、医疗辅助诊断等诸多行业具有较为广泛的应用。决策树的核心思想是基于树结构对数据进行划分，这种思想是人类处理问题时的本能方法。例如在婚恋市场中，女方通常会先看男方是否有房产，如果有房产再看是否有车产，如果有车产再看是否有稳定工作……最后得出是否要深入了解的判断。 2.决策树的优点 具有很好的解释性，模型可以生成可以理解的规则。 可以发现特征的重要程度。 模型的计算复杂度较低。 3.决策树的缺点 模型容易过拟合，需要采用减枝技术处理。