雖然 bagging 和 boosting 聽起來相似，但它們是採用不同方法的兩種機器學習演算法。bagged trees 與 boosted trees 的主要差異之一是什麼？
本練習屬於課程
將理論付諸實踐，立即體驗我們的互動練習
準備好打造一條真正的機器學習流程了嗎？透過循序練習，你會學會建立決策樹、切分資料，並預測哪些病患最可能罹患糖尿病。最後，你將建立效能衡量指標來評估模型，並檢視你的預測表現。
想來點甜的嗎？使用巧克力評分資料集來建立迴歸樹，並用合適的誤差指標評估其效能。你將透過如交叉驗證等「甜蜜」技巧，克服單一次訓練／測試切分在統計上的不安，接著更進一步掌握偏差—變異取捨。
現在開始嚴肅調校你的超參數，並解讀接收者操作特徵（ROC）曲線。本章中，你將運用集成模型（如 bagging 或隨機森林）的群體智慧，建立能預測哪些信用卡客戶最可能流失的集成模型。
準備好進入樹狀模型的上流社會了嗎？套用梯度提升來打造強大的集成模型，其表現勝過你先前看過或建立過的一切。你會學到如何微調這些模型，並比較不同模型，挑出可上線部署的最佳解。
當前練習
