Sammanfattning
Maskininlärning med trädbaserade modeller i R
Sandro Raabe
Data Scientist
1. Datasplittning – konfusionsmatris – noggrannhet
2. Regression – korsvalidering – bias-varians-avvägning
3. Justering – AUC – bagging – slumpskogar
4. Boosting & modelljämförelse
