13_集成学习和随机森林(Ensemble Learning and Random Forests)

13_集成学习和随机森林(Ensemble Learning and Random Forests)

集成学习的思想是机器学习领域解决问题的一种重要思想。我们将从集成之前已经学习过的算法出发，
进而引入集成学习的经典算法：随机森林。我们将看到集成学习的威力。在这一章，我们还会对其他集成学习的思想，
如AdaBoost, Gradient Boosting, Stacking等算法进行介绍。 …

13-1 什么是集成学习

13-2 Soft Voting Classifier

• logistic regression
  
• 非参数模型（kNN，decision tree）

• SVC
  

13-3 Bagging 和 Pasting

13-4 oob (Out-of-Bag) 和关于Bagging的更多讨论

13-5 随机森林和 Extra-Trees

13-6 Ada Boosting 和 Gradient Boosting

13-7 Stacking

课程总结

相信通过这个课程的学习。同学们学到的不仅仅是一个一个零散的机器学习算法，更对机器学领域解决问题的方式有了一个系统性的认识。
学会了这种思维方法，相信大家都可以更好地继续深入学习机器学习。在最后，我将给大家介绍scikit-learn的文档，
希望大家能够借助scikit-learn这个强大的机器学习库，继续探索机器学习这个当下…

官方文档
https://scikit-learn.org/

User-guide
https://scikit-learn.org/stable/user_guide.html
里面有详细的介绍和案例,通读可以增强对函数的理解
API
https://scikit-learn.org/stable/modules/classes.html
里面有各种函数的接口查询

这个课程还缺少两个算法，贝叶斯算法和神经网络；
缺少对数据的处理，非监督学习的部分