Zusammenfassung
Maschinelles Lernen mit baumbasierten Modellen in R
Sandro Raabe
Data Scientist
1. Datenaufteilung – Konfusionsmatrix – Genauigkeit
2. Regression – Cross-Validation – Bias-Varianz-Trade-off
3. Tuning – AUC – Bagging – Random Forest
4. Boosting & Modellvergleich
