标签：集成 Bagging Stacking 融合 学习 Boosting

• 实战参考链接：德国风控案例--进阶4

集成学习

这个案例主要使用了集成学习和融合学习的方法，集成学习一般包括并行Bagging和串行Boosting。
并行Bagging主要包括：随机森林(RF)；串行Boosting：Adaboost、GBDT(一阶差分）、XGB(二阶差分)。

融合学习

Blending

Stacking：上述案例的code，我觉得我写得有点问题，而且Stacking的逻辑图也画的有些问题。
Datawhale有一篇文章写的很好，大家可以参考：一文学习模型融合！从加权融合到stacking, boosting

标签：集成,Bagging,Stacking,融合,学习,Boosting
来源： https://www.cnblogs.com/RankFan/p/15940547.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。