集成學習方法

集成學習正廣泛地被應用於機器學習/數據挖掘的實際項目之中。掌握集成學習方法，瞭解其特性與適用場景，對機器學習理論與實踐的結合幫助甚大。這裏，我們考察集成學習最重要的兩種類型：裝袋（Bagging）與提升（Boosting），從其兩大算法入手：Random Forest、GBDT，基於自己生成的數據集場景和UCI數據集開展實驗，對比分析算法的表現。 基礎簡要回顧 關於集成學習，引用博文筆記︱集成學習

>>阅读原文<<