集成学习资料

文献资料

  1. 周志华教授的书 Ensemble Method: Foundations and Algorithms
  2. 对bias-variance介绍的文章Understanding the Bias-Variance Tradeoff
  3. JMLR 2014年对不同分类器的比较Do we Need Hundreds of Classifiers to Solve Real World Classification Problems?
  4. sklearn机器学习算法图
    集成学习资料_第1张图片
    机器学习算法图

帖子&博客

  1. 机器学习算法比较
  2. 为什么在实际的 kaggle 比赛中 gbdt 和 random forest 效果非常好?
    马超的回答:模型理论:模型可控性好;数据角度:抗噪声能力强;系统灵活易用
    eyounx的回答:自适应非线性,随着决策树的生长,能够产生高度非线性的模型;多分类器的组合,能够起到正则化的作用
  3. 学习 ensemble learning 要如何开始呢?
  4. 使用sklearn进行集成学习

你可能感兴趣的:(集成学习资料)