Podsumowanie
Uczenie maszynowe z modelami drzewiastymi w R
Sandro Raabe
Data Scientist
1. Podział danych – macierz pomyłek – dokładność
2. Regresja – kroswalidacja – kompromis błąd-wariancja
3. Strojenie – AUC – bagging – las losowy
4. Boosting i porównanie modeli
