集成學習實戰

集成學習通過自動對比多個模型的輸出，將輸出結合起來，融合成強大的集成模型，得出最優結果。集成學習發揮“集體智慧”，結果更準確，克服了單一模型的局限性。這種創新方法能夠綜合多個視角的響應；即使在沒有大規模數據集的情況下，也能給出可靠的預測結果。

《集成學習實戰》呈現同時應用多種機器學習方法的實用技巧。每章都列舉一個獨特案例（如醫學診斷、情感分析等），展示一個功能完備的集成方法。《集成學習實戰》不探討深奧的數學知識，所講內容淺顯易懂，代碼豐富，供你輕鬆進行實驗！

主要內容：Bagging法、提升法和梯度提升法；分類、回歸和檢索方法；集成方法的模型和決策可解釋性；特徵工程和集成多樣性；閱讀門檻；具有機器學習經驗的Python程序員。



Gautam Kunapuli，擁有逾15年的學術界和機器學習行業經驗，重點研究人機協作學習、基於知識和建議的學習算法，以及針對機器學習難題的可擴展學習。

郭濤，主要從事人工智能、現代軟件工程、智能空間信息處理與時空大數據挖掘分析等前沿交叉研究。已經出版多部譯作，包括《深度強化學習圖解》《機器學習圖解》和《Effective數據科學基礎設施》。