回归树合奏
随机森林,增强和行李的回归树
应用
回归学习者 | 火车回归模型使用监督的机器学习预测数据 |
块
回归征预测 | 使用决策树的合奏进行回归预测响应 |
功能
课程
话题
- 合奏算法
了解合奏学习的不同算法。
- 合奏学习框架
通过使用许多弱学习者获得高度准确的预测。
- 火车回归合奏
训练简单的回归合奏。
- 测试合奏质量
学习评估合奏的预测质量的方法。
- 选择随机森林的预测因子
使用交互测试算法为随机森林选择分裂预测器。
- 合奏正则化
自动选择较少的弱学习者作为一个不会降低预测性能的方式。
- 使用Treebagger的回归树的引导汇总(包袋)
创建一个
treebagger
回归的合奏。 - 使用并行处理进行回归TreeBagger工作流程
通过运行加快计算
treebagger
在平行下。 - 使用分位数回归检测异常值
使用分位数随机森林检测数据中的离群值。
- 使用内核平滑的有条件分位数估计
使用分位数随机森林估算给定预测数据的条件分位数,并通过使用内核平滑估算响应的条件分布函数。
- 使用分位数误差和贝叶斯优化调整随机森林
使用贝叶斯优化调整分位数随机森林。
- 使用回归元预测响应预测块
使用最佳超参数训练回归合奏模型,然后使用回归征预测响应预测的块。