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。

Train Regression Ensemble

Train a simple regression ensemble.

Test Ensemble Quality

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。

Ensemble Regularization

Automatically choose fewer weak learners for an ensemble in a way that does not diminish predictive performance.

Bootstrap Aggregation (Bagging) of Regression Trees Using TreeBagger

创建一个treebaggerensemble for regression.

Use Parallel Processing for Regression TreeBagger Workflow

通过运行加快计算treebagger在平行下。

Detect Outliers Using Quantile Regression

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

Tune quantile random forest using Bayesian optimization.

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。