回归学习者 | 火车回归模型以预测使用监督机器学习的数据 |
回归预测 | 使用决策树的回归来预测响应 |
了解集合学习的不同算法。
通过使用许多弱的学习者获得高度准确的预测。
火车一个简单的回归合奏。
了解评估集合的预测质量的方法。
使用交互测试算法选择随机林的拆分预测器。
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。
通过运行加快计算treebagger
在平行下。
使用定量的随机林检测数据中的异常值。
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。
使用贝叶斯优化调整量子随机森林。
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。