集成算法

了解集成学习的不同算法。

集成学习框架

通过使用许多弱学习者获得高度准确的预测。

训练回归系综

训练一个简单的回归集合。

测试整体质量

学习评估集合预测质量的方法。

为随机森林选择预测因子

使用交互测试算法为随机林选择分割预测因子。

集合正则化

以不会降低预测性能的方式，自动选择较少的弱学习者进行组合。

使用TreeBagger对回归树进行引导聚合（装袋）

创建一个树人回归的集合。

对回归TreeBagger工作流使用并行处理

通过运行树人同时。

使用分位数回归检测异常值

使用分位数随机林检测数据中的异常值。

基于核平滑的条件分位数估计

使用分位数随机林和使用核平滑估计响应的条件分布函数来估计给定预测数据的响应的条件分位数。

利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林。

使用回归模拟预测块预测响应

训练具有最优超参数的回归系综模型，然后使用回归拟合预测用于响应预测的块。