20210129

今天的部分是模型提升。主要讲解的是决策树的原理。个人对于决策树的理解是用空间划分的思想，使用多次二分类的回归对数据进行分类。个人理解的决策树的核心问题是“各个节点如何选取进行划分”，用通俗的话来说就是“如何问好问题”。而以前听闻过的随机森林算法，本质则是多个决策树的结合，用类似于投票的形式来做出决策。而对于AdaBoost，则是决策树的串来作出决策。