机器学习（九）：集成学习（bagging和boosting），随机森林、XGBoost、AdaBoost

文章目录

• • 一、什么是随机森林？
  • • 1.1 定义
    • 1.2 目的
    • 1.3 随机森林 VS bagging
  • 二、集成学习
  • • 2.1 定义
    • 2.2 决策树的问题
    • 2.3 袋装法概念与理论
    • 2.4 装袋法的优缺点
    • 2.5 提升法概念与理论
    • 2.6 bagging vs boosting
    • 2.7 AdaBoosting
    • 2.8 Gradient Boosting（GBM）
  • 三、案例实现（bagging)
  • • 3.1 数据集描述
    • 3.2 数据处理
    • 3.3 决策树
    • 3.4 bagging方法
    • 3.5 随机森