1.随机森林随机选特征的作用
RF的话，如果有一个特征和标签特别强相关。选择划分特征时，如果不随机的从所用特征中随机取一些特征的话，那么每一次那个强相关特征都会被选取。那么每个树都会是一样的。这就是随机森林随机选取一些特征的作用，让某些树，不选这个强相关特征。
2.Bagging 意义
bootstrap aggregating 自举汇聚法
模型很好，variable很大。
3.GBDT的子采样是无放回采样，而Bagging的子采样是放回采样
决策树考点
猜你喜欢
转载自blog.csdn.net/qq_34555202/article/details/82082249
今日推荐
周排行