集成学习与树模型
Adaboost分类模型的学习器的权重系数$\alpha$怎么计算的？
原题Adaboost能否做回归问题？
原题boosting和bagging之间的区别,从偏差-方差的角度解释Adaboost？
原题为什么Adaboost方式能够提高整体模型的学习精度？
原题Adaboost算法如何加入正则项?
原题Adaboost使用m个基学习器和加权平均使用m个学习器之间有什么不同？
原题Adaboost和GBDT之间的区别？
原题Adaboost的迭代次数(基学习器的个数)如何控制？
原题Adaboost算法中基学习器是否很重要，应该怎么选择基学习器？
原题MultiBoosting算法将Adaboost作为Bagging的基学习器，Iterative Bagging将Bagging作为Adaboost的基学习器。比较两者的优缺点？
原题训练过程中，每轮训练一直存在分类错误的问题，整个Adaboost却能快速收敛，为何？
原题Adaboost 的优缺点？
原题简单介绍Catboost？
原题相比于XGBoost、LightGBM，CatBoost的创新点有哪些？
原题Catboost是如何处理类别特征的？
原题Catboost如何避免梯度偏差
原题Catboost如何避免预测偏移？
原题解释一下排序提升
原题Catboost为什么要使用对称树？
原题CatBoost的优缺点
原题什么是集成学习算法？
原题集成学习主要有哪几种框架？
原题简单介绍一下bagging，常用bagging算法有哪些？
原题简单介绍一下boosting，常用boosting算法有哪些？
原题boosting思想的数学表达式是什么？
原题简单介绍一下stacking
原题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？
原题常用的基分类器是什么？
原题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GBDT和RF如何计算特征重要性
原题简单介绍一下LightGBM？
原题介绍一下直方图算法？
原题介绍一下Leaf-wise和 Level-wise？
原题介绍一下单边梯度采样算法(GOSS)？
原题介绍互斥特征捆绑算法(EFB)？
原题特征之间如何捆绑？
原题LightGBM是怎么支持类别特征？
原题LightGBM的优缺点
原题GBDT是如何做回归和分类的
原题简单介绍随机森林
原题随机森林的随机性体现在哪里？
原题随机森林为什么不容易过拟合？
原题为什么不用全样本训练？
原题为什么要随机特征？
原题RF与 GBDT 的区别？
原题RF为什么比Bagging效率高？
原题你已经建了一个有10000棵树的随机森林模型。在得到0.00的训练误差后，你非常高兴。但是，验证错误是34.23。到底是怎么回事？你还没有训练好你的模型吗？
原题如何使用随机森林对特征重要性进行评估？
原题随机森林算法训练时主要需要调整哪些参数？
原题随机森林的优缺点
原题简述一下Adaboost原理
原题AdaBoost的优点和缺点
原题Adaboost对噪声敏感吗？
原题Adaboost和随机森林算法的异同点
原题随机森林为什么能够更鲁棒？
原题RF分类和回归问题如何预测y值？
原题相同数据量，训练RF和gbdt谁可以更快？谁对异常值不敏感？
原题解释一个什么是gb，什么是dt，即为什么叫做gbdt？
原题gbdt为什么用负梯度代表残差？
原题gbdt是训练过程如何选择特征？
原题gbdt应用在多分类问题？
原题RF和GBDT的区别？
原题Xgboost相对gbdt做了哪些改进？
原题xgb如何在计算特征时加速的？
原题xgb为什么使用二阶梯度信息，为什么不使用三阶或者更高梯度信息？
原题lgb相对xgb做了哪些改进？
原题比较一下catboost、lgb和xgb？
原题如果将所有数据复制一倍放入训练数据集，RF和GBDT分别有什么表现？
原题gbdt如何防止过拟合？由于gbdt是前向加法模型，前面的树往往起到决定性的作用，如何改进这个问题？
原题RF/GBDT/XGB/lightGBM ?
原题此条原文仅列四种模型名称，未给出代码实现或具体数据条件。
RF和GBDT能够并行吗?
原题写一个gbdt的损失函数?
原题为什么要拟合负梯度?
原题xgboost如何进行参数更新的?
原题xgboost为什么使用二阶梯度信息?
原题gbdt对异常值敏感吗?为什么?
原题RF和GBDT的区别
原题比较LR和GBDT，说说什么情景下GBDT不如LR
原题简单介绍一下XGBoost
原题XGBoost与GBDT有什么不同
原题XGBoost为什么可以并行训练
原题XGBoost为什么快？
原题XGBoost中如何处理过拟合的情况？
原题XGBoost如何处理缺失值？
原题XGBoost如何处理不平衡数据？
原题XGBoost如何选择最佳分裂点？
原题XGBoost的Scalable性如何体现？
原题XGBoost如何评价特征的重要性？
原题XGBoost的优缺点
原题XGBoost和LightGBM的区别
原题GBDT的拟合值残差为什么用负梯度代替，而不是直接拟合残差
原题XGBoost使用二阶泰勒展开的目的和优势
原题
暂无题目