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
   

   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