<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Random-Forest on PlumePHP</title><link>https://plumephp.com/tags/random-forest/</link><description>Recent content in Random-Forest on PlumePHP</description><generator>Hugo</generator><language>zh-CN</language><lastBuildDate>Sun, 27 Sep 2026 10:00:00 +0800</lastBuildDate><atom:link href="https://plumephp.com/tags/random-forest/index.xml" rel="self" type="application/rss+xml"/><item><title>监督学习实战（二）：分类算法对比与实战（逻辑回归到随机森林）</title><link>https://plumephp.com/ml-supervised-classification/</link><pubDate>Sun, 27 Sep 2026 10:00:00 +0800</pubDate><guid>https://plumephp.com/ml-supervised-classification/</guid><description>&lt;h2 id="引言"&gt;引言&lt;/h2&gt;
&lt;p&gt;分类是监督学习的另一大类：输出不再是连续数值，而是离散类别——垃圾邮件（垃圾/正常）、欺诈交易（欺诈/正常）、肿瘤（良性/恶性）。分类问题的难点不在「训练一个模型」，而在&lt;strong&gt;评估与权衡&lt;/strong&gt;：假阳性与假阴性哪个更不能接受？数据严重不平衡时准确率会骗人，怎么办？&lt;/p&gt;</description></item></channel></rss>