➃ 系统化掌握集成学习方法
系统化掌握集成学习1. 简单的集成学习方法平均法加权平均法最大投票法 2. 二次采样方法与统计机器学习基础3. Bagging 方法 – 等权重的装袋法Bootstrap Aggregation 4. Random Forest 随机森林法 –5. Boosting 方法 – 权重逐步增大的提升法6. Stacking 方法 – 学习最优的模型组合7. 应用案例同质分类器的集成学习 – 以手写数字识别为例 异质分类器的集成学习 – 以信用卡违约预测为例 异质分类器的集成学习 – 以垃圾邮件为例 异质分类器的集成学习 – 以电影评论情感分析为例 同质分类器的集成学习 – 以时尚产品分类为例 #refplus, #refplus li{ padding:0; margin:0; list-style:none; }； document.querySelectorAll(".refplus-num").forEach((ref) => { ...
➃ 集成学习：初识
集成学习–Ensembling Learning偷懒了，直接转载 Juicy B 关于集成学习的系列博客。 1. AdaBoost分类算法原理及sklearn应用2. AdaBoost回归算法原理及sklearn应用3. GBDT分类算法原理及sklearn应用4. GBDT回归算法原理及sklearn应用5. LightGBM 6. Random Forest 与 Bagging #refplus, #refplus li{ padding:0; margin:0; list-style:none; }； document.querySelectorAll(".refplus-num").forEach((ref) => { let refid = ref.firstChild.href.replace(location.origin+location.pathname,''); let refel =...