本文已收录到：九天菜菜机器学习实战训练营 专题
- Lesson 1.机器学习基本概念与建模流程
- Lesson 2.矩阵运算基础、矩阵求导与最小二乘法
- Lesson 3.线性回归的手动建模实验
- Lesson 9 集成学习Bagging与随机森林（RandomForest）
- Lesson 10.超参数优化算法 – 网格优化方法
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）
