微信
支付宝
【课程介绍】
详细讲解了集成学习的主要方法：Voting、Bagging、Boosting和Stacking。每一种集成方法都配有详细的代码讲解。能够使用集成模型完成分类或回归任务。
详细讲解了集成学习的主要方法：Voting、Bagging、Boosting和Stacking。每一种集成方法都配有详细的代码讲解。能够使用集成模型完成分类或回归任务。
阅读更多
【课程收益】
掌握常用的集成学习基本原理
能够编程实现常用集成学习的模型
能够使用集成模型完成分类或回归任务
掌握常用的集成学习基本原理
能够编程实现常用集成学习的模型
能够使用集成模型完成分类或回归任务
课程大纲
课件付费后打包下载
- 章节目录
-
- 01. 开课简介 课件付费后下载 1:27
- 02. 机器学习知识体系 6:45
- 03. 机器学习流程 1:38
- 04. 集成学习简介 4:11
- 05. Voting能够提高准确率的原因 5:55
- 06. hard voting和soft voting 9:24
- 07. Bagging 12:16
- 08. Boosting之Adaboost 12:52
- 09. Adaboost举例说明 13:07
- 10. 使用sklearn实现Adaboost 4:16
- 11. 梯度提升树 9:14
- 12. stacking原理及实现 10:00
阅读更多
发布回复
