最近在做天池的一個數據挖掘類的比賽耕姊，天池新人實戰(zhàn)賽o2o優(yōu)惠券使用預測
在網上找到的比較詳細的教程（答案）白胀，O2O優(yōu)惠券使用預測（基于XGBoost）
在看代碼的過程中有很多關于機器學習的名詞鳄橘、函數看不懂情臭，特開一篇文章來學習記錄飒货。
名詞篇
量化：把某個范圍內的變化用數值表現出來的過程总棵。
隨機森林：
決策樹（可以很好地解決分類問題）：
????舉個例子运提，從麻雀蝗柔，飛機，蝙蝠民泵，熊貓中選出一個鳥類癣丧。第一，以“是不是生物”為指標栈妆，選出了麻雀坎缭，蝙蝠，熊貓签钩。第二掏呼，以“會不會飛”為指標，選出了麻雀铅檩，蝙蝠憎夷。第三，以“是否有羽毛”選出了麻雀昧旨。
????這個過程類似if-else語句拾给。每個節(jié)點就是一個對屬性的判斷，每個分支（邊）代表一個判斷結果的輸出兔沃。最后的每個節(jié)點代表一個分類結果蒋得。
????用決策樹解決分類問題的關鍵點在于選擇每個節(jié)點的判斷條件。例如剛剛上面那個例子乒疏，一共做了三次判斷额衙，但是如果最開始就將“是否有羽毛”作為判斷條件，則只需經過一次判斷就可以篩選出是鳥類的樣本。
xgboost：這個通俗理解kaggle比賽大殺器xgboost其實講的挺好的窍侧，就是看到2.回歸樹與集成學習太困了县踢，加上看不懂所以沒看了。（以后圖書館一定要選一個空間大的位置=-=）
正則化：
交叉驗證：
N-折交叉驗證：
