机器学习

集成学习概述： 使用模型融合提升算法准确度的方法，即训练多个模型（基学习器），然后按照一定的方法集成在一起（强学习器），常用的实现路径包括Bagging方法（装袋法、随机森林）和Boosting方法（

概念原理 个体学习器之间存在强依赖关系、必须串行集成，则应选择提升法（Boosting方法）。提升法的主要代表包括AdaBoost、GBDT、XGBoost及其改进等。各类Boosting方法的基本思

对算法的描述在CSDN可见，本文仅写代码实现 载入分析所需要的模块和函数dsfasdsafasfsa

优点：应用到了y，可很好解决噪声问题。分类和预测表现更好 分为：分类树和回归树 基本原理 分类树：叶节点将类别占比最大的类比作为该叶节点的预测值 回归树：节点内所有响应变量实际值的平均值作为该叶节点的