合奏算法

了解集合学习的不同算法。

集合学习的框架

通过使用许多弱的学习者获得高度准确的预测。

火车回归合奏

火车一个简单的回归合奏。

测试合奏质量

了解评估集合的预测质量的方法。

选择随机林的预测器

使用交互测试算法选择随机林的拆分预测器。

合奏正规化

以没有减少预测性能的方式，自动选择更少的弱者学习者。

使用treebagger的Bootstrap聚合（袋装）回归树

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。

使用量级回归检测异常值

使用定量的随机林检测数据中的异常值。

使用内核平滑的条件定量估计

使用定量的随机林给给给定量的响应的条件定量，并使用核平滑估计响应的条件分布函数。

使用定量误差和贝叶斯优化调整随机林

使用贝叶斯优化调整量子随机森林。

使用回归预测块预测响应

用最佳的超参数训练回归合奏模型，然后使用回归预测响应预测块。