集成学习入门与实战: 原理、算法与应用/(印度) 阿洛克·库马尔, 马扬克·贾因, Alok Kumar, Mayank Jain, 吴健鹏
附件:设置1:设置2:贾因设置3:本书通过6章内容全面地解读了集成学习的基础知识、集成学习技术、集成学习库和实践应用。其中集成学习技术包括采样、Bagging、投票集成、Boosting、AdaBoost、梯度提升、XGBoost、Stacking、随机森林、决策树等, 从混合训练数据到混合模型, 再到混合组合, 逻辑严谨、逐步讲解。同时也对ML-集成学习、Dask、LightGBM、AdaNet等集成学习库相关技术进行了详细解读, 最后本书通过相关实践对集成学习进行综合性应用。摘要:
附注提要
本书通过6章内容全面地解读了集成学习的基础知识、集成学习技术、集成学习库和实践应用。其中集成学习技术包括采样、Bagging、投票集成、Boosting、AdaBoost、梯度提升、XGBoost、Stacking、随机森林、决策树等, 从混合训练数据到混合模型, 再到混合组合, 逻辑严谨、逐步讲解。同时也对ML-集成学习、Dask、LightGBM、AdaNet等集成学习库相关技术进行了详细解读, 最后本书通过相关实践对集成学习进行综合性应用。