树回归
1. 概述
-
在树结构的每个叶节点上都构建出一个线性模型
优点：可以对复杂和非线性的数据建模。
缺点：结果不易理解。
适用数据范围：数值型和标称型数据。
2. 实现
- 构建树
- 树剪枝
避免模型对数据的过拟合- 预剪枝
- 后剪枝
- 模型树
前面是把叶节点设定为常数值，现在把叶节点设定为分段的线性函数 - 树回归与标准回归的比较
- Tkinter 库创建 GUI
3. 总结
- 本章依然是回归和分类问题
相关文章：
- 机器学习实战——Logistic回归 2021-11-02
- 机器学习实战------logistic回归 2021-08-17
- &&机器学习实战&&Logistic回归 2021-03-26
- 机器学习实战笔记：树回归-CART算法 2021-08-04
- 机器学习实战---决策树CART回归树实现 机器学习实战---决策树CART简介及分类树实现 2021-11-01
- 机器学习实战之logistic回归 2021-12-15
- 机器学习实战之Logistic回归 2021-12-20
- 机器学习实战（4）：Logistic回归 2021-06-19