集成学习

• 【Datawhale集成学习】：https://www.bilibili.com/video/BV1wF411e73j?spm_id_from=333.999.0.0

  • 【github仓库】：https://github.com/datawhalechina/ML-FTTI
  • 学习文档：https://datawhalechina.github.io/ML-FTTI/

• 【集成学习】- 基于python的机器学习与模型融合：https://www.bilibili.com/video/BV1R54y137Q5?spm_id_from=333.999.0.0

  • 【GitHub 仓库】：https://github.com/datawhalechina/team-learning-data-mining/tree/master/EnsembleLearning

• 知乎介绍：https://zhuanlan.zhihu.com/p/27689464

• 集成学习（李楠）：https://space.bilibili.com/73414544/channel/detail?cid=148414&ctype=0

---

• 深入理解LightGBM

---

如何计算信息增益？节点如何分裂 ==> 按照什么准则？
计算熵、MSE、MAE

优化器有哪些？

如何理解Bagging & Boosting； stacking & Blending? 这些方法有什么不同之处？

AdaBoosting 和 Boosting 有什么区别？AdaBoosting主要基于什么思想？

Stagewise Additive Modelingusinga Multiclass Exponentialloss function（SAMME）是用来干什么的？

叶子节点数目、样本数目

区别（目标损失、近似方法、分裂依据）：从预测值的约束

code 实战

如果我想在运行时打印具体的损失，如何去做，可以参考：xgboost 之 eval_metric参数的应用以及构造损失函数的变化情况图