树模型总结

我觉得，理解机器学习是一层一层的递进的，了解的越多越觉得像个傻子，刚开始觉得懂了各种基础算法的流程，懂了梯度下降的过程，懂了最优化的方法就牛逼了，但是越学越觉得神奇，正则化与概率分布，矩阵分解等等数学原理与机器学习紧密相连，路漫漫其修远。

开个微博记录一下自己的理解，有可能不对，长期更新，第一阶段先总结对于传统机器学习算法的理解，希望尽量升入涉及本质，所以需要长期的探索。

这篇总结树模型的原理，先占个坑，有时间慢慢写

1.决策树 ID3 和 C4.5

2.CART树

3.树模型集成方法

4.RF

5.Adaboost

6.GDBT

7.XGBoost

8.深度森林（哈哈哈哈）