這個課程是關於整合方法 (Ensemble Methods)。
已經學習了一些經典的機器學習模型，如 k-nearest neighbor 和決策樹。 也研究了他們的局限和缺點。
但是，如果可以結合這些模型來消除這些限制，並產生更強大的分類器或迴歸器呢？
在本課程中，你將學習如何將決策樹和邏輯迴歸等模型相結合，以建立可以達到比基礎模型更高的精度的模型。
具體來說，課程將詳細研究隨機森林和 AdaBoost 演算法。
為了激勵討論，課程將學習統計學習中一個重要的話題 – 偏差 – 變異權衡 ( bias-variance trade-off )。然後，我們將研究 bootstrap 技術和 bagging 作為同時減少偏差和變異的方法。
將會做大量的實驗，並在真實的資料集上使用這些演算法，這樣你就可以親眼看到它們是多麼的強大。
由於深度學習如此受歡迎，課程也會研究隨機森林、AdaBoost 和深度學習神經網路之間的一些有趣的共同點。
這個課程的材料都是免費的。你可以使用 Windows、Linux 或 Mac 上的簡單命令下載並安裝 Python、Numpy 和 Scipy。
https://softnshare.com/…/ensemble-machine-learning-python-…/
numpy安裝mac 在 Install Python with NumPy SciPy Matplotlib on macOS Big Sur ... 的推薦與評價
How to install Python with NumPy, SciPy, Matplotlib on macOS Big Sur Apple Silicon M1.The procedure presented in the video should work on ... ... <看更多>