Прочитав эту книгу, вы сможете:• строить и интерпретировать модели дерева решений и случайного леса;• оценивать дискриминирующую способность полученных моделей;• улучшать модели дерева с помощью процедуры обрезки ветвей (прунинга);• улучшать модели логистической регрессии, используя информацию дерева и случайного леса;• применять правила классификации/прогноза, полученные с помощью дерева и случайного леса, к новым данным;• овладеть навыками конструирования признаков (feature engineering);• улучшать модели случайного леса с помощью автоматизированной оптимизации параметров. Это и многое другое вы найдете в книге Прогнозное моделирование в IBM SPSS Statistics, R и Python. Метод деревьев решений и случайный лес (А. Груздев)