Lesson 9 集成学习Bagging与随机森林(RandomForest)

目录

一 集成学习的三大关键领域
二 Bagging方法的基本思想
三 随机森林(RandomForest)
1 随机森林回归(RamdomForestRegressor)的实现
2 随机森林回归器的参数
2.1 弱分类器结构
2.2 弱分类器数量
2.3 弱分类器训练的数据
2.4 其他参数
四 随机森林的参数空间与网格优化
五 增量学习:随机森林处理巨量数据
1 普通学习vs增量学习
2 增量学习在Kaggle数据上的应用
六 原理进阶:Bagging方法6大面试热点问题

 

笔记:Lesson 9 集成学习Bagging与随机森林(RandomForest)

作者: 高志远

高志远,24岁,男生

发表评论

邮箱地址不会被公开。