内容简介：本章主要讲了决策树学习算法的三个部分：特征选择、树的生成方式和树的剪枝以及三种决策树算法：ID3、C4.5、CARTTips:决策树的东西比较多（这章啃了一个星期才啃完 (lll￢ω￢)），我们平时使用的sklearn里面的决策树用的就是CART算法，所以这章的重点就在于CART的两种树模型（回归树、分类树），ID3和C4.5可作为了解:
决策树
本章主要讲了决策树学习算法的三个部分：特征选择、树的生成方式和树的剪枝以及三种决策树算法：ID3、C4.5、CART
Tips:决策树的东西比较多（这章啃了一个星期才啃完 (lll￢ω￢)），我们平时使用的sklearn里面的决策树用的就是CART算法，所以这章的重点就在于CART的两种树模型（回归树、分类树），ID3和C4.5可作为了解:
凹脑图在线浏览地址： 决策树
逻辑斯蒂回归模型
逻辑斯蒂回归模型是经典的分类学习器，在二分类的监督问题上分类效果非常好，其经典之处就在于LR的分布函数-sigmoid函数:
思维导图在线浏览地址： 逻辑斯蒂回归模型
最大熵模型与最优化算法
最大熵模型目前应用在NLP上比较多，本章的最大熵模型的内容与数学推导公式比较多，大家可以选择自己想要了解的地方去了解就行:
思维导图在线浏览地址： 最大熵模型与最优化算法
线性可分支持向量机
在机器学习的学习之路上，SVM是ML童鞋们在分类问题上一定会遇到的一个学习方法，SVM这一章将SVM按训练数据的线性可分性分为由简到繁分为三种模型： 线性可分支持向量机(linner support vector machine in linearly separable case) 、 线性支持向量机(linear support vector machine) 以及 非线性支持向量机(non-linear support vector) 。在实际工程中，面对不同规模的数据集时，在小型数据集上，SVM有时仅需 小量 的训练数据，就可以得到比较好的训练结果，而这正是因为SVM的特性-支持向量，下面通过思维导图先简单介绍下SVM：
线性可分支持向量机：
思维导图在线浏览地址： 线性可分支持向量机
思维来自《统计学习方法》-李航
欢迎前往我的个人小站： www.wengjj.ink
才学疏浅，欢迎评论指导
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持 码农网
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
谷歌的断舍离：互联网企业的破坏式创新
[日]辻野晃一郎 / 樊颖 / 机械工业出版社 / 2018-1 / 45.00
本书主要分为三部分： 第一部分主要讨论了世界当下如火如荼的互联网企业进军传统产业大潮，并探讨了传统企业在互联网时代的救赎之路。 第二部分主要探讨了成功体验的反面：速度与迭代，并讨论了传统企业之所以无法实现迭代与快速发展的关键原因。介绍互联网公司如何通过组织精简流程来实现高速竞争时代的机动性。 第三部分讨论了互联网时代究竟需要什么样的人才，传统企业的员工应当怎样投身互联网企业才能避......一起来看看 《谷歌的断舍离：互联网企业的破坏式创新》 这本书的介绍吧!
