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 = ...