【技术干货】集成算法专题：Bagging与随机森林（2022新版）
Parts
Description
【获取完整课件&代码&数据加vx littlebird_0229】 2022新版集成学习专题来啦！集成学习是当今机器学习算法中最为强大、实用的技能，也是在人工智能浪潮当中唯一能与深度学习技术分庭抗礼的领域。在2022年度新版集成学习中，我将带来7大集成算法随机森林、AdaBoost、GBDT、XGBoost、LightGBM，CatBoost的详解。我将会节选每个算法中前30分钟~1小时内容不断在B站公开，请关注更新~ 本内容节选自《机器学习实战》正课，完整目录见评论区！
Comments
【完整课件&代码&数据加vx littlebird_0228】[打call] 【加vx后回复“ML”即可获得公开课课件+数据】 【TsaiTsai说】这次真是下血本从0研发全部集成算法了[点赞]，励志做全网最好！伙伴们学习愉快~觉得有用的话给个硬币吧hhh！不要下次一定！这次一定！本视频选自《2022机器学习实战》课程正课！在2022年度新版集成学习中，我将带来7大集成算法随机森林、AdaBoost、GBDT、XGBoost、LightGBM，CatBoost的详解。我将会节选每个算法中前30分钟~1小时内容不断在B站公开，请关注更新~ 公开课视频为节选版1小时，《2022集成学习 - 随机森林》完整版时长为6小时！详细目录如下： 一 集成学习的三大关键领域 二 Bagging方法的基本思想 三 随机森林RandomForest 1 RamdomForestRegressor的实现 2 随机森林回归器的参数 2.1 弱分类器结构 2.2 弱分类器数量 2.3 弱分类器训练的数据 2.4 其他参数 四 随机森林的参数空间与自动优化 五 增量学习：随机森林处理巨量数据 1 普通学习vs增量学习 2 增量学习在Kaggle数据上的应用 六 原理进阶：Bagging方法6大面试热点问题 祝学习愉快~[脱单doge]【完整课件&代码&数据加vx号littlebird_0228，回复“ML”即可获得公开课课件数据代码】
♥ 9 ↩ 1
爱了爱了[doge]
♥ 2
课件里dataset文件夹没有房价数据集啊。只有data_description.txt
♥ 2 ↩ 5
随机森林的参数是不是没讲[思考]
♥ 1 ↩ 1
老师讲的很好，很细致[打call]
♥ 1
视频里提到的九天老师的理论课程在哪里听呀
♥ 1 ↩ 6
有没有课件啊老师，公众号里面的好像没有课件
♥ 1 ↩ 1
跟19版有什么区别呀
♥ 1 ↩ 1
现在还能拿到完整的资料吗求求求
讲的确实很好，但是基本上都是偏应用的，原理的讲解不太多。
完整的课程应该怎样获得呢
↩ 1
微信怎么添加不了了
sklearn 1.0 版本 怎么查看scoring的参数 之前 使用sklearn.SCORES.keys() 先找找不到了
这女娃懂的可真多
分类任务，交叉验证的scoring设置什么
↩ 1
请问有没有全集的？有点乱，我想看2022年的全套，谢谢！
↩ 1
蔡蔡老师，你好，我在思考一个关于树回归的问题。 在树的叶结点，预测结果是该叶结点训练集的标签均值。 现在极端假设模型只有一个整型特征。 有一条待预测的记录，其特征值超出训练集范围，最终其预测结果只能在树现存叶子上。 【也就是树回归预测结果永远在训练集标签上下界范围内。】 有一种连续型特征，必然出现预测记录的特征值不在训练集当中，那就是年份。当出现这类特征，而且与标签有显著相关性，是否就要慎重考虑这个问题。 而对特征进行权重系数类的算法，就能处理这类问题。 谢谢，祝工作顺利。[给心心]
↩ 2
完整版在哪里呀
↩ 1
看了半天讲了个argmax 和 bincount，有点浪费时间哈
↩ 1