Udemy 課程筆記：Decision Trees, Random Forests, AdaBoost & XGBoost in Python ｜簡介與目錄

決策樹 (decision trees) 是機器學習中最受歡迎的方法之一。除了樹狀模型可以以圖形方式顯示，讓一般人也很容易理解外，比起其他回歸及分類模型更能反映人的決策，再者，決策樹並不需要虛擬變量就能預測定量資料，缺點是決策樹本身存在「不穩定性」，樣本中微小的變化，都可能導致結果不同。

本課程會包含簡單決策樹如 Classification Trees、Regression Trees、Tree Pruning，以及進階的集成方法 (ensemble techniques) 如 Bagging、Random Forest、Gradient Boosting、ADA Boost、XGBoost。

以下為目錄

1. Simple Regression Tree
2. Simple Regression Tree in Python
3. Simple Classification Tree
4. Simple Classification Tree in Python
5. Ensemble technique 1 - Bagging (with Python)
6. Ensemble technique 2 - Random Forests (with Python)
7. Ensemble technique 3 - Boosting (Gradient Boosting、ADA Boost、XGBoost) (with Python)