机器学习之集成学习理论与代码实践

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

24小时内答疑 课时永久观看 15分钟内无条件退款
1. 仅限付费视频课程适用
2. 购买后15分钟内可以找到客服进行沟通退款
3. 退款将返还至51CTO学院账户,不支持提现
4. 下载资料后不再享有退款特权
5. 客服(Tel:400-101-1651)
6. 最终解释权归51CTO所有
共12课时,共1小时31分钟
现价¥68.00
购买
  1. 课程介绍
  2. 课程大纲
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

适用人群

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。

07集成学习.PNG

1开课简介 [免费试看]
01:27
2机器学习知识体系
06:45
3机器学习流程
01:38
4集成学习简介 [免费试看]
04:11
5Voting能够提高准确率的原因
05:55
6hard voting和soft voting
09:24
7Bagging
12:16
8Boosting之Adaboost
12:52
9Adaboost举例说明
13:07
10使用sklearn实现Adaboost
04:16
11梯度提升树
09:14
12stacking原理及实现
10:00
讲师介绍
纪佳琪
讲师评分3.6分
干过开发,做过培训,现在是一名高校教师。
X
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载