免费公开课|实用机器学习方法——集成学习

▣ 讲座概要：

集成学习（ensemble learning）是一类在实践中非常有效的机器学习算法。相比单个模型，集成学习能够有效的综合多个模型，取长补短，从而取得更好的性能。近年来基本上所有的机器学习竞赛的获胜方案都是基于集成学习的模型。

本讲座主要讲述集成学习的基本思想，以及几种常用的集成学习模式，包括1）bagging; 2)boosting; 3)stacking。对于最常用的bagging和boosting我们还进一步以随机森林和AdaBoost为例介绍具体算法和R中的具体应用。

▣ 讲座提纲：

1.从Netflix Prize说起

2.集成学习的基本思想

1)集成学习为何有效

2)如何构建不同的基学习器

3)如何综合多个基学习器

3.Bagging

1)Bagging的基本思想

2)随机森林以及在R中的实际应用

4.Boosting

1)Boosting的基本思想

2)AdaBoost以及在R中的实际应用

5.Stacking

6.小结以及实用技巧

▣ 如何报名：

长按扫描海报↓↓↓

点击菜单栏即可进群听课