集成学习资料

文献资料

  1. 周志华教授的书 Ensemble Method: Foundations and Algorithms
  2. 对bias-variance介绍的文章Understanding the Bias-Variance Tradeoff
  3. JMLR 2014年对不同分类器的比较Do we Need Hundreds of Classifiers to Solve Real World Classification Problems?

  4. sklearn机器学习算法图
    机器学习算法图
    机器学习算法图

帖子&博客

  1. 机器学习算法比较
  2. 为什么在实际的 kaggle 比赛中 gbdt 和 random forest 效果非常好？
    马超的回答：模型理论：模型可控性好；数据角度：抗噪声能力强；系统灵活易用
    eyounx的回答：自适应非线性，随着决策树的生长，能够产生高度非线性的模型；多分类器的组合，能够起到正则化的作用
  3. 学习 ensemble learning 要如何开始呢？
  4. 使用sklearn进行集成学习
最后编辑于 ：
©著作权归作者所有,转载或内容合作请联系作者
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。

推荐阅读更多精彩内容