集成学习与树模型

题集来源:Datawhale(datawhalechina)收录项目:daily-interview查看原题集 反馈(在 GitHub 新标签页打开)

题目目录

92 道原题
  1. 什么是集成学习算法?

    原题
  2. 集成学习主要有哪几种框架?

    原题
  3. 简单介绍一下bagging,常用bagging算法有哪些?

    原题
  4. 简单介绍一下boosting,常用boosting算法有哪些?

    原题
  5. boosting思想的数学表达式是什么?

    原题
  6. 简单介绍一下stacking

    原题
  7. 你意识到你的模型受到低偏差和高方差问题的困扰,应该使用哪种算法来解决问题呢?为什么?

    原题
  8. 常用的基分类器是什么?

    原题
  9. 可否将随机森林中的基分类器,由决策树替换为线性分类器或K-近邻?请解释为什么?

    原题
  10. GBDT和RF如何计算特征重要性

    原题