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 道原题隐藏关联题目排序默认排序面经最多51简述一下Adaboost原理原题 关联题目AdaBoost 如何训练弱学习器并更新样本与模型权重？模型基础与推理 / 机器学习与推荐系统原理机制进阶0篇相关面经52AdaBoost的优点和缺点原题 关联题目AdaBoost 有哪些优势和局限，为什么对噪声敏感？模型基础与推理 / 机器学习与推荐系统比较选型进阶0篇相关面经53Adaboost对噪声敏感吗？原题 关联题目AdaBoost 有哪些优势和局限，为什么对噪声敏感？模型基础与推理 / 机器学习与推荐系统比较选型进阶0篇相关面经54Adaboost和随机森林算法的异同点原题 关联题目Bagging 与 Boosting 有什么区别，如何从偏差和方差理解？模型基础与推理 / 机器学习与推荐系统比较选型进阶0篇相关面经55随机森林为什么能够更鲁棒？原题 关联题目随机森林如何训练和预测，随机性为何有助于泛化？模型基础与推理 / 机器学习与推荐系统原理机制进阶0篇相关面经56RF分类和回归问题如何预测y值？原题 关联题目随机森林如何训练和预测，随机性为何有助于泛化？模型基础与推理 / 机器学习与推荐系统原理机制进阶0篇相关面经57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 关联题目随机森林与 GBDT 的机制和适用条件有什么区别？模型基础与推理 / 机器学习与推荐系统比较选型进阶0篇相关面经58解释一个什么是gb，什么是dt，即为什么叫做gbdt？原题 关联题目GBDT 如何拟合负梯度并完成分类或回归？模型基础与推理 / 机器学习与推荐系统原理机制进阶0篇相关面经59gbdt为什么用负梯度代表残差？原题 关联题目GBDT 如何拟合负梯度并完成分类或回归？模型基础与推理 / 机器学习与推荐系统原理机制进阶0篇相关面经60gbdt是训练过程如何选择特征？原题 关联题目GBDT 如何拟合负梯度并完成分类或回归？模型基础与推理 / 机器学习与推荐系统原理机制进阶0篇相关面经暂无题目共 92 道原题 · 显示 51–60 道展开全部92题上一页1…567…106 / 10下一页