附件:设置1:设置2:设置3:本书分为三部分。第一部分主要介绍集成学习的背景知识 ; 第二部分主要介绍集成学习方法的核心知识, 包括Boosting、Bagging、Random Forests 等经典算法, 平均、投票和Stacking 等模型和方法、相关理论分析工作, 以及多样性度量和增强方面的进展 ; 第三部分介绍集成学习方法的进阶议题, 包括集成修剪、聚类集成和集成学习方法在半监督学习、主动学习、代价敏感学习、类别不平衡学习及提升可理解性方面的进展。摘要:有书目 (第173-202页) 和索引
附注提要
本书分为三部分。第一部分主要介绍集成学习的背景知识 ; 第二部分主要介绍集成学习方法的核心知识, 包括Boosting、Bagging、Random Forests 等经典算法, 平均、投票和Stacking 等模型和方法、相关理论分析工作, 以及多样性度量和增强方面的进展 ; 第三部分介绍集成学习方法的进阶议题, 包括集成修剪、聚类集成和集成学习方法在半监督学习、主动学习、代价敏感学习、类别不平衡学习及提升可理解性方面的进展。