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
机器学习之集成学习理论与代码实践
无限期 视频有效期
12节 节数
1098人 学习人数
课程评分
分享 
机器学习之集成学习理论与代码实践
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。
复制链接
扫一扫
高校教师 / 培训机构讲师
干过开发，做到资深Java软件开发工程师，后做过培训，总共培训近千人。目前在高校工作，博士学位。主要研究领域为机器学习与深度学习。
干过开发，做到资深Java软件开发工程师，后做过培训，总共培训近千人。目前在高校工作，博士学位。主要研究领域为机器学习与深度学习。
超值套餐
套餐一
你将收获
适用人群
对机器学习感兴趣的人，想深入集成模型原理的人
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。
课程目录
讨论留言
推荐
资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！
点击此处反馈
