Search
--課程已於 2020 年 7 月更新--
這個課程是關於整合方法 (Ensemble Methods)。
我們已經學習了一些經典的機器學習模型，如 k-nearest neighbor 和決策樹。 我們已經研究了他們的局限和缺點。
但是，如果我們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，我們將詳細研究隨機森林和 AdaBoost 演算法。
為了激勵我們的討論，我們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。
我們將做大量的實驗，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。
https://softnshare.com/machine-learning-in-python-random-forest-adaboost/
--課程已於 2019 年 12 月更新--
📣這個課程是關於整合方法 (Ensemble Methods)。
我們已經學習了一些經典的機器學習模型，如 k-nearest neighbor 和決策樹。 我們已經研究了他們的局限和缺點。
但是，如果我們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，我們將詳細研究隨機森林和 AdaBoost 演算法。
https://softnshare.com/machine-learning-in-python-random-forest-adaboost/
2018 年經濟計量實證研習營 熱烈報名中 !
🗓️日 期：2018 年 8 月 30 日 (週四) 及 8 月 31 日 (週五)
🏫地 點：國立臺灣大學管理學院二號館 104 教室
📚課程規劃：
(1) 梯度提升與隨機森林 R 語言實做（程式範例：R）
Why Gradient Boosting and Random Forest Work?
課程日期：8 月 30 日 (週四)
課程講師：楊睿中教授 (國立清華大學經濟學系)
(2) 給經濟、財務、與會計研究者的文字分析與探勘（程式範例：Python3）
課程日期：8 月 31 日 (週五)
課程講師：盧信銘教授 (國立臺灣大學資訊管理學系)
詳細課程內容、師資介紹、報名費用及方式等，請參考活動網址：http://www.tesociety.org.tw/news/news.php?Sn=353&lang=zh-tw
不过随机森林是基于决策树的方法, 所以也继承了决策树的好处. 对于生成的结果可解释性较好 ... Gradient Boost是AdaBoost的更一般化模型, 支持任意可微分的代价函数. ... <看更多>
隨機森林boosting 在 R语言Bagging 随机森林(Random Forest) Boosting 二分类问题 的推薦與評價
使用RStudio训练Bagging 随机森林 (Random Forest) Boosting ，并计算它们的评估指标。咨询联系wechat：ly670217951. ... <看更多>