Tag Archives: 集成学习

Python房价数据预测：StackingCVRegressor集成学习、Lasso、ElasticNet、XGBoost、LightGBM模型与特征工程可视化

By tecdat9月 4, 2025Python辅导, 大数据部落, 技术支持, 数理统计, 期刊论文发表投稿, 计算机科学CS辅导, 计算机科学与技术ElasticNet, LASSO, LightGBM, xgboost, 房价, 特征工程, 集成学习

从数据科学视角看，房地产房价预测绝非简单的数值推算，而是对 “业务场景 – 数据质量 – 模型适配” 三者协同的系统性考验。

梯度提升机器LightGBM集成学习回归、分类、参数调优可视化实例|附数据代码

By tecdat5月 28, 2024Python辅导, 大数据部落, 技术支持, 数理统计, 计算机科学CS辅导, 计算机科学与技术LightGBM, 参数调优, 回归, 梯度提升机器, 集成学习

Light Gradient Boosted Machine（简称LightGBM）是一个开源库，它为梯度提升算法提供了高效且有效的实现。

Python进行多输出（多因变量）回归：集成学习梯度提升决策树GRADIENT BOOSTING REGRESSOR,GBR回归训练和预测可视化

By tecdat3月 23, 2022大数据部落, 数理统计, 机器学习, 计算机科学与技术GBR, GRADIENT BOOSTING REGRESSOR, 决策树, 可视化, 回归, 多因变量, 多输出, 梯度提升, 梯度提升决策树, 训练, 输出, 集成学习, 预测

在之前的文章中，我们研究了许多使用多输出回归分析的方法。

Python集成学习：自己编写构建AdaBoost分类模型可视化决策边界及sklearn包调用比较

By tecdat11月 23, 2021可视化和设计, 大数据部落, 数理统计, 机器学习, 计算机科学与技术Adaboost, sklearn, 决策边界, 分类, 可视化, 自己编写, 集成学习

Boosting指的是机器学习元算法系列，它将许多 “弱 “分类器的输出合并成一个强大的 “集合”，其中每个弱分类器单独的错误率可能只比随机猜测好一点。

Python集成机器学习：用AdaBoost、决策树、逻辑回归集成模型分类和回归和网格搜索超参数优化

By tecdat11月 16, 2021大数据部落, 数理统计, 机器学习, 计算机科学与技术Adaboost, 优化, 决策树, 分类, 回归, 机器学习, 网格搜索, 超参数, 超参数优化, 逻辑回归, 集成学习, 集成机器, 集成模型

Boosting 是一类集成机器学习算法，涉及结合许多弱学习器的预测。

售前咨询热线

15121130882

售后咨询热线

0571-63341498