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

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