摘要：
介绍 前面对模型的组合主要用了两种方式： （1）一种是平均/投票； （2）另外一种是加权平均/投票； 所以，我们有时就会陷入纠结，是平均的好，还是加权的好，那如果是加权，权重又该如何分配的好？如果我们在这些模型预测的结果上再训练一个模型对结果做预测，那么岂不是就免除了这些烦恼；而训练后，也可以方便的 阅读全文
摘要：
一.简介 为了让学习器越发的不同，randomforest的思路是在bagging的基础上再做一次特征的随机抽样，大致流程如下： 二.RandomForest：分类实现 import os os.chdir('../') from ml_models import utils from ml_mod 阅读全文
摘要：
一. 简介 Bagging的思路很简单，对大小为$n$的样本集进行$n$次重采样得到一个新的样本集，在新样本集上训练一个基学习器，该过程执行$m$，最后对这$m$个基学习器做组合即得到最后的强学习器： 二.代码实现：分类 import os os.chdir('../') from ml_model 阅读全文