- 课程介绍
- 课程大纲
- 其他课程 7
- 专题套餐
适合人群:
对机器学习感兴趣的人,想深入集成模型原理的人
课程目标:
理解集成学习的基本概念,能够编码实现各种集成模型
课程简介:
学习本课程前,需学习前面的课程:如逻辑回归,决策树,SVM等分类算法。
本课程详细讲解了集成学习的主要方法:Voting、Bagging、Boosting和Stacking。每一种集成方法都配有详细的代码讲解。能够使用集成模型完成分类或回归任务。
课程大纲-机器学习之集成学习理论与代码实践
资料下载更新: 近三个月
分享
收藏( 7 )
下载课程
下载学院APP
缓存视频离线看
学习社群
关注公众号
加入官方群
适合人群:
对机器学习感兴趣的人,想深入集成模型原理的人
课程目标:
理解集成学习的基本概念,能够编码实现各种集成模型
课程简介:
学习本课程前,需学习前面的课程:如逻辑回归,决策树,SVM等分类算法。
本课程详细讲解了集成学习的主要方法:Voting、Bagging、Boosting和Stacking。每一种集成方法都配有详细的代码讲解。能够使用集成模型完成分类或回归任务。
课程大纲-机器学习之集成学习理论与代码实践
资料下载点击打包下载,即可获取该课程全部资料