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
