Случайный лес (Random Forest)
ML для аналитикаТема 2. Классические модели
Bagging, random subspace, OOB score, feature importance (MDI vs permutation), подбор гиперпараметров.
О разделе «Тема 2. Классические модели»
Линейная и логистическая регрессия, деревья решений, Random Forest, градиентный бустинг, KNN и наивный Байес.
Ключевые темы: линейная регрессия, логрег, дерево, Random Forest, XGBoost, LightGBM.
Все темы в разделе «Тема 2. Классические модели»
Обновлено:
Полный разбор темы «Случайный лес (Random Forest)» — в Pro
В Pro-подписке по этому конспекту получите:
- Формулы с пошаговым разбором (LaTeX)
- Примеры Python-кода с выводом и комментариями
- Интерактивные визуализации для понимания теории
- Частые вопросы с реальных собеседований по теме «Тема 2. Классические модели»
- Чеклист: что точно спросят на собесе аналитика
Открыть все 210 конспектов →