18/07/2026
🌳 9 thuật toán Machine Learning "họ Cây" mà Data Scientist nào cũng nên nằm lòng
Từ một cây quyết định đơn giản đến những cỗ máy boosting cực mạnh đang thống trị các cuộc thi Kaggle — đây là hành trình tiến hóa của các thuật toán dựa trên cây:
🌱 Decision Tree — Nền móng của tất cả. Chia dữ liệu theo từng điều kiện, trực quan và dễ giải thích.
🌲 Random Forest — Sức mạnh của số đông: hàng trăm cây quyết định hợp sức, giảm overfitting đáng kể.
📈 Gradient Boosting — Học từ sai lầm: mỗi model mới sinh ra để sửa lỗi của model trước.
⚡ XGBoost — Boosting phiên bản "nâng cấp", nhanh, mạnh, có regularization giúp mô hình tổng quát tốt hơn.
🚀 LightGBM — Tốc độ là vũ khí: xử lý dữ liệu khổng lồ mà vẫn nhẹ nhàng, hiệu quả.
🐱 CatBoost — Khắc tinh của dữ liệu categorical, không cần tiền xử lý phức tạp.
🌳 Extra Trees — Ngẫu nhiên hóa tối đa để tăng khả năng tổng quát hóa.
🎯 Bagging Trees — Huấn luyện song song trên nhiều mẫu dữ liệu để có dự đoán ổn định hơn.
🧭 Guided Gradient Boosting — Hướng đi mới, tối ưu hóa quá trình học từ phần lỗi còn sót lại.
💡 Không có thuật toán nào là "tốt nhất" — chỉ có thuật toán phù hợp nhất với bài toán của bạn. Bạn đang dùng thuật toán nào trong số này? Comment bên dưới nhé!
