← Программа курса
Занятие 08 · Модуль 1 · Классический ML · 45 мин чтения

Деревья, лес и бустинг

Дерево решений и его критерии (Джини, энтропия, прирост информации), bias-variance как «стрельба по мишени», Random Forest и бэггинг, градиентный бустинг (CatBoost) и feature_importances.

деревьяДжиниэнтропияbias-varianceRandom ForestбэггингбустингCatBoost
Платный урок

Этот урок — часть полного курса

Первые четыре урока открыты. Остальные шестнадцать — с полным разбором, кодом, формулами и скачиваемыми ноутбуками — в платном курсе. Одна покупка открывает все уроки навсегда.

  • Полные тексты всех платных уроков
  • Скачиваемые Jupyter-ноутбуки к каждому уроку
  • Доступ навсегда, без подписки
Нужен разбор?

Застрял на теме — разберём один на один

Объясню сложное на пальцах и доведу до результата: код, формулы, проект.

Записаться на разбор