研報復現初探—華泰金工人工智能選股系列之boosting模型

上一篇文章對於華泰金工人工智能選股系列之隨機森林模型進行了復現的初探。實際上隨機森林模型本身是bagging這一集成學習算法在決策樹中的應用，其本質是對訓練集的樣本進行bootstrap隨機抽樣n次，建立n棵決策樹，讓森林中的每一棵樹對測試集的新樣本進行預測投票，票多者勝（分類問題）或是取均值（迴歸問題）。 由此可知隨機森林的n個分類器是並行的，而boosting與bagging不同，boosti

>>阅读原文<<