机器学习

1.逻辑回归

逻辑回归模型通常用来解决二分类问题，对解释变量与响应变量有线性的假设。可解释性强。但随着数据量的增加，会产生欠拟合现象

2.随机森林

随机森林是一个集成模型，基于决策树模型构造的。它通过对样本或者变量的n次随机采样，就可以得到n个样本量，对于每一个样本量，可以独立训练决策树模型，对于n个决策树模型的结果，通过集合策略来得到最终的输出。这n个决策树模型之间是相对独立的，并不是完全独立的，训练集之间是有交集的。

随机森林与梯度提升不需要对数据集做过多假设，能够处理比较复杂的问题。