机器学习之集成学习理论与代码实践

  • w5_718292
    了解作者
  • 471.5KB
    文件大小
  • zip
    文件格式
  • 0
    收藏次数
  • VIP专享
    资源类型
  • 0
    下载次数
  • 2022-05-27 07:44
    上传日期
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。
机器学习之集成学习理论与代码实践.zip
  • 机器学习之集成学习理论与代码实践-2019710104314793_53253.rar
    471.4KB
评论
    相关推荐
    • EEGClassification.zip
      特征提取方法:自回归(Autoregression,AR),公共空间模式(Common Spatial Pattern ,CSP),离散小波变换(Discrete Wavelet Transform,DWT)和功率谱密度( Power Spectral Density,PSD); 2. 特征分类方法...
    • matlab开发-增强的二元回归
      matlab开发-增强的二元回归树。增强二叉回归树是一种处理向量目标的强大的回归方法。
    • Logistic-Regression-Random-Forest-Gradient-Boosting
      包括Logistic回归,Random Forest和XGBoost在内的多个模型的多重排列均未产生明显的结果,因此,我们必须得出结论,数据不是可预测的。 最初,迭代是在使用sklearn的SMOTE来对少数族裔目标类进行升采样和使用python...
    • Gradient-Boosting-for-classification-of-the-Titanic-dataset
      该项目提供了关于线性回归和决策树的梯度提升的描述,以及第n个决策树的预测如何依赖于其之前的预测。 还描绘了该原理的图形表示。 然后,针对泰坦尼克号数据集开发了梯度增强分类器,其中调整了几种学习率以预测...
    • practice_GBRT:使用梯度提升回归树练习监督学习的工作区
      ##Work Area for Practice Gradient Boosting Regression Trees 这是我使用梯度提升回归树练习、学习和演示监督学习技术的仓库。 我可能会使用其中的一些内容来创建博客文章(如果我想出了一些有趣的东西)来分享我...
    • data_science_projects-main.zip
      系统地优化了美国人口普查,FBI和LEMAS数据的OLS,Random Forest,SVM和Gradient Boosting模型,遍及2,000个美国社区,可通过回归预测暴力犯罪率,并优先考虑可解释性 通过使用Python自动评估共线性来将特征空间从...
    • Scikit-Learn-Model-Deployments-for-SVR-RF-Boosting-Regression-Al
      用于SVR,RF,Boosting回归算法的Scikit-Learn模型部署 Scikit-Learn模型可以有效地以加密格式存储,以用于部署目的。 这样可以消除对不受保护的pickle或joblib文件的依赖。 当前的模拟在保存包含模型参数的JSON...
    • Boosting Demo:演示 Adaboost 在一些玩具数据集上与各种基础学习器的行为。-matlab开发
      包括一系列基础学习算法:线性回归、朴素贝叶斯、决策树桩、CART(需要统计工具箱)、神经网络(需要 netlab)和 SVM(需要 libsvm)。 还有 3 个数据集生成器(2-高斯、圆形和旋转棋盘)。 有帮助添加自定义基础...
    • Boosted Generalized Additive Models (bgam) 包:Boosting for the Ge
      实现线性和存根学习器, 最小二乘/逻辑/泊松回归。 广义线性模型 (GLM) 是对普通线性模型的灵活概括最小二乘回归。 GLM 通过允许通过链接函数与响应变量相关的线性模型并通过将每次测量的方差的大小设为a 其预测值...
    • house-price-prediction:使用线性回归和GBR预测房价
      房屋价格预测 使用线性回归和梯度提升回归来预测房价 可以在以下找到该教程和代码的书面说明 谢谢