Skip to content
简体中文

切换主题

发现▾

不知道从哪开始？本周最热的软件、模型和组合，3 分钟看完 AI 圈的变化。

AI 软件▾

给人用的 AI 软件：从 ChatGPT 这类助手，到写代码、做视频、搭工作流的工具，按用途挑。

Agent 工具▾

给 AI 用的软件：让你的 agent（Claude Code、Codex、Cursor…）能上网、读文档、跑代码、记住事情。

模型▾

选模型、算成本、自己部署：价格、榜单、评测、免费额度和自建算力都在这里。

解决方案▾

有具体目标或报错？按场景给出现成的软件组合、步骤和问题解法。

学 AI▾

一套从零到前沿的系统课程，配算法库、必读论文和精选教程。

前沿▾

每天的 AI 新闻、每周热点、最新论文和 AI 改造各学科的进度。

// 阶段 2 · 经典机器学习

树模型与集成学习

决策树、随机森林、梯度提升、XGBoost/LightGBM——表格数据的王者。

看学习目标 ↓ 代码与练习 ↓

约 8 小时6 个算法3 篇论文正文编写中

01学习目标

建议先学：机器学习流程：数据、损失与泛化

02要掌握的算法

每张卡都有原始论文、前置和学习资料。

决策树（CART）Decision Trees (CART) 用一连串“是/否”问题把数据切分成纯净的小组。 核心 随机森林Random Forest 训练很多棵随机化的决策树，让它们投票。 2001核心 梯度提升树Gradient Boosting (GBDT) 一棵接一棵地训练小树，每棵专门修正前面的错误。 2001核心 XGBoost 工程化到极致的梯度提升树系统。 2016核心 LightGBM 用直方图和按叶生长加速的梯度提升树。 2017扩展 AdaBoost 串联许多弱分类器，每轮更关注上一轮分错的样本。 1997核心

03必读论文

04课程与视频

05动手：项目、代码与练习

全部是官方或作者公开的免费页面，多数能在浏览器或免费 Colab 里直接运行。

动手项目

在同一数据集上比较单棵树、随机森林、XGBoost，用 SHAP 解释最好的模型。

  1. 1
    Kaggle Learn：Intermediate Machine Learning ↗练习题

    用其中的 XGBoost 练习调 n_estimators 和学习率。

  2. 2
    scikit-learn 官方示例库（可在线运行） ↗可运行 Notebook

    运行官方集成方法示例，对比随机森林、梯度提升和 AdaBoost。

06自测题

先自己想，再点开看答案。

随机森林为何比单棵树稳？

多棵去相关的树取平均，降低方差。

梯度提升每一轮拟合什么？

当前模型损失的负梯度（残差）。

树模型需要特征标准化吗？

一般不需要，分裂只看排序。

所在人群路线：各学科研究者

数据更新于：AI 算法图谱与课程体系（北京时间）