Spark 数据挖掘 - 利用决策树预测森林覆盖类型
Spark 数据挖掘—利用决策树预测森林覆盖类型 1 前言 预测问题记住一点：最垃圾的预测就是使用平均值，如果你的预测连比直接给出平均值效果都要差，那就省省吧！统计学诞生一个多世纪之后，随着现在机器学习和数据科学的产生，我们依旧使用回归的思想来进行预测，尽管回归 就是用平均值向后不断回滚来预测。回归的技术和分类的技术紧密相关。通常情况下，当目标变量是连续数值时指的是回归，例如预测 身高和体重。当预测的目标变量是名义或者说是类别变量时，指的就是分类，例如预测邮件是否是垃圾邮件。无论是分类还是回归，都需要给定已知信息去预测未知信息，所以它们都需要从输入输出来学习。它们需要包括问题和答案。这类算法因此也称为监督学习的方法。回归和分类是使用年代最近研究的最充分的预测分析技术。很多算法开源包都包含通用的这些方法。比如：支持向量机，逻辑回归，朴素贝叶斯，神经网络和深度学习。本文的重点是讨论：决策树和它的扩展随机森林。决策树是通用而且灵活的分类回归算法。 2 一些基本概念 注意：特别小心分类变量（尤其是那些用数字表示的分类变量，不要随便放到算法中去训练）和数值变量注意：不是所有的算法都能处理分类变量...
