集成学习

Bagging,Boosting以及Stacking

(1)Bagging + 决策树 = 随机森林

(2)AdaBoost + 决策树 = 提升树

(3)Gradient Boosting + 决策树 = GBDT

一、Boosting
1)Adaboost
https://www.cnblogs.com/willnote/p/6801496.html
2)Gradient Boosting
https://www.cnblogs.com/massquantity/p/9174746.html

二、Bagging (bootstrap aggregating)
https://www.cnblogs.com/zongfa/p/9304353.html
相比与Adaboost,不考虑权重

三、Stacking
https://blog.csdn.net/maqunfi/article/details/82220115

https://www.kaggle.com/arthurtok/introduction-to-ensembling-stacking-in-python
(Introduction to Ensembling/Stacking in Python)

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值