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
去问答提问
推荐

OpenGL ES2.0基础

24节张立铜

掌握JQuery视频教程

11节刘慧涛

基于qt和ffmpeg视频播放器开发实战

126节夏曹俊

Java基础概述-Java基础视频_深入浅出精华版

17节传智

数据结构基础系列(1)：数据结构和算法

8节贺利坚

嵌入式项目实践视频课程(阶段3)

7节沈寒

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 2099人学习

机器学习之支持向量机理论与代码实践

纪佳琪 2126人学习

毕业论文排版详解

纪佳琪 609人学习

机器学习之线性回归理论与代码实践

纪佳琪 1888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 983人学习