梯度提升树（GBT）是决策树的集合。 GBT迭代地训练决策树以便使损失函数最小化。 spark.ml实现支持GBT用于二进制分类和回归，可以使用连续和分类特征。 GBDT的优点 　　GBDT和随机森林一样，都具备决策树的一些优点： 　　(1)可以处理类别特征和连续特征 ...

　　梯度提升树（GBT）是决策树的集合。 GBT迭代地训练决策树以便使损失函数最小化。 spark.ml实现支持GBT用于二进制分类和回归，可以使用连续和分类特征。 导入包 import org.apache.spark.sql.SparkSession import ...

目录 　　决策树原理 　　决策树代码(Spark Python) 决策树原理 　　详见博文：http://www.cnblogs.com/itmorn/p/7918797.html 返回 ...

目录 　　随机森林原理 　　随机森林代码(Spark Python) 随机森林原理 　　参考：http://www.cnblogs.com/itmorn/p/8269334.html 返回 ...

目录 　　线性回归原理 　　线性回归代码(Spark Python) 线性回归原理 　　详见博文：http://www.cnblogs.com/itmorn/p/7873083.html 返回 ...

目录 　　保序回归原理 　　保序回归代码(Spark Python) 保序回归原理 　　待续... 返回目录 保序回归代码(Spark Python) 　　 　　代码里 ...

目录 　　支持向量机原理 　　支持向量机代码(Spark Python) 支持向量机原理 　　详见博文：http://www.cnblogs.com/itmorn/p/8011587.html 返回 ...

目录 　　什么是决策树(Decision Tree) 　　特征选择 　　使用ID3算法生成决策树 　　使用C4.5算法生成决策树 　　使用CART算法生成决策树 　　预剪枝和后剪枝 　　应用：遇到连续与缺失值怎么办？ 　　多变量决策树 　　Python代码(sklearn库 ...