--------------待更新--------------
Mark一些学习资料:
https://github.com/imhuay/Algorithm_Interview_Notes-Chinese/blob/master/A-机器学习/A-机器学习算法.md#梯度提升决策树-gbdt (一个简练的总结)
http://www.cnblogs.com/pinard/p/6131423.html (他的博客里有adaboost,GBoost等都挺好)
adaboost 和gboost区别:
https://www.zhihu.com/question/54626685
我觉得一个很重要的原因是,adaboost在迭代的过程中,是通过提高错分数据的权重来定位模型,而gboost是通过梯度来定位模型不足,用(负)梯度拟合本轮损失函数的近似值,使得本轮损失函数值最小。
https://xgboost.readthedocs.io/en/latest/tutorials/model.html (XGBoost)
-
关于 voting_classifier中的hard 和soft:
-
关于 stacking 、 voting 等
:
https://medium.com/@rrfd/boosting-bagging-and-stacking-ensemble-methods-with-sklearn-and-mlens-a455c0c982de