1.信息增益，信息增益率与Gini系数 信息熵 plogp求和 信息增益 信息增益率 Gini系数 1-p^2 精确率与召回率（Precision and Recall） 精确率：预测为真中真正为真的 召回率：为真的样本被预测正确的比率 bagging与boosting bagging：每次训练一个模型，分类问题进行投票，回归问题进行平均值计算 boosting：不断训练模型拟合前一个模型的残差 bagging降低方差（variance），boosting降低偏差（bias） 如何解决过拟合问题 获取更多数据 使用合适的模型，减少网络层数或神经元个数 正则化（L1,L...