摘要：
集成学习中还有一个重要的类别是Boosting，这个是基学习器具有较强依赖串行而成的算法，目前主流的主要有三个算法：GBDT，Adaboost，XGBoost 这个链接可以看看：https://www.cnblogs.com/willnote/p/6801496.html 不同点： 1、adaboo 阅读全文
摘要：
对于集成学习，由于是多个基学习期共同作用结果，因此在做参数调节时候就有基学习器的参数和集成学习的参数两类 在scikit-learn中，RF的分类类是RandomForestClassifier，回归类是RandomForestRegressor 官方文档：http://scikit-learn.o 阅读全文
摘要：
集成学习分成Bagging和Boosting两大类，这里也分成两篇来总结，两个类别的区别如下： 主要根据集成的基学习期生成方式来分的，一个是强依赖关系，串行而成，代表是Boosting。另一种是不存在强依赖关系同时生成，代表是Bagging和随机森林（Random Forest） 一、Bagging 阅读全文