机器学习-决策树&集成学习

值不值得学：先看它解决什么工作场景

很多上班族学机器学习，最怕学成“调包侠”：背了一堆 API，遇到真实业务数据却无从下手。这门课的主题是决策树与集成学习，它不追热门的大模型，而是盯住表格型数据里最常见的两类问题——反欺诈识别、风险用户筛查。这类场景的特点是特征多、噪音大、正负样本极度不均衡，单棵决策树容易过拟合，而随机森林和 Boosting 恰好是工业界处理这类表格数据的常规武器。如果你日常工作要碰业务数据，想用模型替代表面规则去做自动化判断，这门课的场景定位比那些一上来就讲图像识别的课要务实得多。

适合什么基础，建议先看哪几块

这门课不适合零基础。它默认你已经能写基本的 Python，对 NumPy 数组操作有概念，最好接触过一点 Pandas。如果你连 if-else 和列表推导都不熟，建议先补语言基础再来，否则手写决策树那几节会卡得很难受。对有编程基础但没碰过算法的人，建议按这个顺序看：先把“信息熵与手写决策树”过一遍，重点看极简案例和 NumPy 手写部分，理解树是怎么按信息增益分裂的；接着跳到“反欺诈模型”那节，看真实数据怎么清洗、怎么处理样本不均衡；最后再看集成学习，把 Voting、Bagging、Boosting 三条主线串起来。深度学习初探那一节可以最后看，它只是个引子，不是这门课的重心。

学完能独立做什么，资料怎么配合练习

学完之后，你应该能独立完成一个完整的表格数据建模流程：从拿到一份脏数据开始，做特征筛选、处理样本不均衡、训练决策树或随机森林、用网格搜索调参、最后用召回率和最优阈值做模型评估，而不是只会看准确率。反欺诈那一节是整套资料的练习核心，建议不要只看视频，跟着把数据获取、特征工程、模型训练、调优完整跑一遍。手写决策树部分不要跳过，虽然工作中你不会自己写树，但手写一遍能让你真正理解 Scikit-Learn 里那些参数（比如 max_depth、min_samples_split）在底层到底在控制什么。集成学习部分，重点练习 Voting 和 Bagging 的对比，以及 Boosting 里 AdaBoost 与 GBDT 的差异，自己换几组参数看召回率变化，比单纯看讲解有效得多。