由于有好几个参数min_child_weights,subsamples,consample_bytrees没有跑，没找出最优的值，所以最后的log_loss的值还是有些大的。：集成中只包含同种类型的“个体学习器”相应的学习算法称为“基学习算法”(base learning algorithm)(串行)基本思想：基分类器层层叠加，每一层在训练的时候对前一层基分类器分错的样本给予更高的权重。，训练得

决策树：是一种树形结构，其中每个内部节点表四一个属性上的判断，每个分支代表一个判断结果的输出，最后每个叶节点表示一种分类结果，本质是一颗由多个判断节点组成的树。，如在信息增益案例题中，我们计算时忽略了第一列即编号列，实际上信息增益会偏向选择第一列(类别有15种)、第三列(类别有3种)…ID3、C4.5、CART在特征选择的时候都是选择一个最优的特征来分类决策，但是不应该只由某一个特征进行决定，应该

转化数据类型、处理重复数据、处理缺失数据。

缺点：会忽略文本的表达顺序，如我爱你和你爱我，表示都一样。是指在一个向量中，只有一个位置上的值是1，其他位置都是0.缺点：无法表现词与词之间的语义关系，当数据量大的时候，维数也会变得很大。：与Count Vectors类似，不过加入了相邻单词组合成新的单词，并且进行计数。stopwords.csv上网找一个中文禁用词表即可，我用的是这一篇博客提供的。适合完完全全的小白读，有其他语言经验的可以去看别

有些编译工具在绘图的时候不需要写plt.show()或者是print就可以显示绘图结果或者是显示打印结果，pycharm需要（matplotlib.pyplot）

由于有好几个参数min_child_weights,subsamples,consample_bytrees没有跑，没找出最优的值，所以最后的log_loss的值还是有些大的。：集成中只包含同种类型的“个体学习器”相应的学习算法称为“基学习算法”(base learning algorithm)(串行)基本思想：基分类器层层叠加，每一层在训练的时候对前一层基分类器分错的样本给予更高的权重。，训练得

由于有好几个参数min_child_weights,subsamples,consample_bytrees没有跑，没找出最优的值，所以最后的log_loss的值还是有些大的。：集成中只包含同种类型的“个体学习器”相应的学习算法称为“基学习算法”(base learning algorithm)(串行)基本思想：基分类器层层叠加，每一层在训练的时候对前一层基分类器分错的样本给予更高的权重。，训练得