机器学习之集成学习（四）调库核心代码

使用集成学习的工作流程（核心版）

1. 加载数据
2. 数据处理
3. 使用交叉验证和网格搜索确定集成模型的最优超参数
4. 建立并训练模型

调库

• 从sklearn库中调ensembel包下的集成算法
• 在算法思想理解以后，调库实现较为简单，重要的是超参数的调节，一般可以选择交叉验证法
• 基于Bagging思想的算法模型
• 基于boosting思想的算法模型

主要算法

基于Bagging思想

# 调用随机森林分类算法模型
from sklearn.ensemble import RandomForestClassifier
# 调用随机森林回归算法模型
from sklearn.ensemble import RandomForestRegressor
# 调用Bagging分类算法模型
from sklearn.ensemble import BaggingClassifier
# 调用Bagging回归算法模型
from sklearn.ensemble import BaggingRegressor

基于boosting思想

# 调用Adaboost分类算法模型
from sklearn.ensemble import AdaboostClassifier
# 调用Adaboost回归算法模型
from sklearn.ensemble import AdaboostRegressor