树模型与集成学习

航路开辟者：耿远昊
领航员：姜萌
航海士：耿远昊

基本信息

开源内容：https://github.com/datawhalechina/machine-learning-toy-code
内容属性：打磨课程
内容说明：本课程将对机器学习中的集成学习模型进行理论讲解和代码实践，涵盖了决策树、集成模式、随机森林、孤立森林、adaboost、GBDT、XGBoost与LightGBM内容的详细介绍，带领读者使用numpy构建相关模块，深入理解算法原理与实现。
定位人群：有本科数学基础（高等数学、线性代数、概率论与数理统计）和numpy基础的同学。
特别提示：每个task的第2天晚20:30直播。

任务安排

学习周期：27天

视频介绍

-> 插入视频

目前Datawhale的开源内容分为两种：第一种是已经囊括在我们的学习路线图内的Datawhale精品课，第二种是暂未囊括在我们的学习路线图内的Datawhale打磨课。我们根据您的投票来确定精品课程的排期，打磨课程一旦完成，即可排入我们每个月的组队学习。

请选择您十一月份希望学习的Datawhale精品课程。如果某门课程超过100人选择，那么我们就邀请该课程设计者开设该课程的组队学习。

课程介绍：

01 吃瓜教程——西瓜书+南瓜书
02 李宏毅机器学习（含深度学习）
03 动手学数据分析
04 数据可视化（matplotlib）
05 SQL编程语言

-> 插入投票

【组队学习】【30期】6. 树模型与集成学习相关推荐

DataWhale-202110 树模型与集成学习（第一次）
DataWhale-202110 树模型与集成学习信息论的基础节点纯度不确定性函数H(P)H(P)H(P) 决策树分裂信息增益分类树的节点分裂深度优先增长于最佳增益增长 CART树均方误 ...
【树模型与集成学习】(task4)两种并行集成的树模型
学习总结 (1)随机森林中的随机主要来自三个方面: 其一为bootstrap抽样导致的训练集随机性, 其二为每个节点随机选取特征子集进行不纯度计算的随机性, 其三为当使用随机分割点选取时产生的随机性( ...
datawhale 10月学习——树模型与集成学习：两种并行集成的树模型
前情回顾决策树 CART树的实现集成模式结论速递本次学习了两种并行集成的树模型,随机森林和孤立森林,并进行了相应的代码实践.其中对孤立森林的学习比较简略,有待后续补充. 这里写自定义目录标题 ...
【树模型与集成学习】(task8)阶段性总结（更新ing）
学习总结作业需要继续补! task1学习决策树基础,根据评价标准为信息增益.信息增益比.基尼指数分别分为ID3树,C4.5树和CART树 task2学习cart的分类和回归代码 task3基于偏差和 ...
【树模型与集成学习】(task2)代码实现CART树（更新ing）
学习心得 task2学习GYH大佬的回归CART树,并在此基础上改为分类CART树. 更新ing.. 这里做一些对决策树分裂依据更深入的思考引导:我们在task1证明离散变量信息增益非负时曾提到,信息 ...
【树模型与集成学习】(task1)决策树（上）
学习心得 (1)决策树常用于分类,目标就是将具有 PPP 维特征的 nnn 个样本分到 CCC 个类别中,相当于做一个映射 C=f(n)C = f(n)C=f(n) ,将样本经过一种变换赋予一个 la ...
模型优化之模型融合|集成学习
目录模型融合 Bagging 随机森林RF Boosting Adaboost GBDT Xgboost Stacking Blending 结合策略平均法投票法学习法在机器学习训练完模型之 ...
系列《使用sklearn进行集成学习——理论》《使用sklearn进行集成学习——实践》目录 1 Random Forest和Gradient Tree Boosting参数详解 2 如何调参？
系列 <使用sklearn进行集成学习--理论> <使用sklearn进行集成学习--实践> 目录 1 Random Forest和Gradient Tree Boosting ...
笔记︱集成学习Ensemble Learning与树模型、Bagging 和 Boosting、模型融合
基本内容与分类见上述思维导图. 文章目录一.模型融合方法 . 概述 1.Voting 2.Averaging 3.Bagging 4.Boosting 5. Stacking (1)nfolds 次 ...

【组队学习】【30期】6. 树模型与集成学习

树模型与集成学习

基本信息

任务安排

视频介绍

【组队学习】【30期】6. 树模型与集成学习相关推荐

最新文章

热门文章