你将收获

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

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

用AI创作
进入opencv技能树
学习更多opencv知识
去问答提问
推荐

打通Linux脉络系列：进程、线程和调度

4节宋宝华

嵌入式工程师养成计划之——嵌入式软件工程师完全学习指南

6节朱有鹏

大白话XGBoost算法--彻底了解XGBoost

9节李虎

机器学习数学基础之概率与统计推断视频教学

25节CSDN就业班

基于qt和ffmpeg视频播放器开发实战

126节夏曹俊

8小时零基础快速转型AI

62节CSDN讲师

纪佳琪老师的其他课程
更多

机器学习之决策树理论与代码实践

纪佳琪 2081人学习

机器学习之支持向量机理论与代码实践

纪佳琪 2112人学习

毕业论文排版详解

纪佳琪 598人学习

机器学习之线性回归理论与代码实践

纪佳琪 1871人学习

机器学习之聚类、主成分分析理论与代码实践

纪佳琪 970人学习