.md .pdf

Contents

机器学习：从原理到实现

待填

章节目录

• 树模型与集成学习
  • Part A: 决策树
    • 1. 信息论基础
    • 2. 分类树的节点分裂
    • 3. CART树
    • 4. 决策树的剪枝
    • 知识回顾
  • Part B: 集成模式
    • 1. 为何集成
    • 2. bagging与boosting
    • 3. stacking与blending
    • 4. 两种并行集成的树模型
    • 知识回顾
  • Part C: 自适应提升法
    • 1. Adaboost概述
    • 2. 分类损失
    • 3. SAMME
    • 4. SAMME.R
    • 5. Adaboost.R2
    • 知识回顾
  • Part D: 梯度提升树
    • 1. 用于回归的GBDT
    • 2. 用于分类的GBDT
    • 3. XGBoost算法
    • 4. LightGBM算法
    • 知识回顾
• EM算法与抽样理论
  • EM算法
  • 抽样理论

树模型与集成学习