机器学习之集成学习理论与代码实践
返回
机器学习之集成学习理论与代码实践
共12节
1110人在学
课程详情
¥68.00订阅全部
开课简介
机器学习知识体系
机器学习流程
集成学习简介
Voting能够提高准确率的原因
hard voting和soft voting
Bagging
Boosting之Adaboost
Adaboost举例说明
使用sklearn实现Adaboost
梯度提升树
stacking原理及实现
订阅失败
机器学习之集成学习理论与代码实践
...
当前章节需购买后观看
开通超级会员免费看!专家精选系列课程,满足你从入门到精通!更有问答月卡免费送,你的问题有问必答!
提交答案
购买课程
扫码完成付费,可继续学习全部课程内容
加载中...
播放页问题反馈
视频学习中有任何产品建议都可由此反
馈,我们将及时处理!
课时介绍
集成学习简介
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。
推荐课程
正在试验
后自动删除环境
关闭试验
继续试验
课程实验
本次实验时间已到期 00:00:00
课件正在飞速打包中,请耐心等待几秒钟~