详细内容或原文请订阅后点击阅览
数量的强度：结合模型，带包装和增强
掌握包装和提升的基本原理，并以简单的审查邮政强度数量：带包装和增强的模型首先出现在数据科学方面。
来源:走向数据科学和提升是机器学习中的两种强大的合奏技术 - 它们是数据科学家的必备知识！阅读本文后，您将对行李和何时使用袋装和何时使用它们有深入的了解。我们将介绍以下主题，依靠示例来对关键概念进行动手说明：
- 结合方式如何帮助创建强大的模型抢购：为ML模型添加稳定性：减少弱学习者的偏见与促进 - 何时使用每种以及为什么
使用结合
在机器学习中，结合是一个广义术语，它是指通过结合多个模型的预测来创建预测的任何技术。如果进行预测涉及多个模型，则该技术正在使用结合！
机器学习 结合结合方法通常可以提高单个模型的性能。结合可以帮助减少：
- 通过平均多种模型来通过迭代地改善错误Soferfitting来方差，因为使用多个模型可以提高鲁棒性对伪造关系
包装和提升都是合奏方法，其性能比单模同行更好。让我们现在了解这些细节！
现在，我们了解袋装有帮助（高方差模型）时，让我们了解内部工作的详细信息，以了解它的帮助！包装算法本质上是迭代的 - 它通过重复以下三个步骤来构建多个模型：
如何- Bootstrap来自原始培训DataTrain的数据集在自举数据集中的模型训练有素的模型
包装示例
1