乐团算法

了解有关集成学习不同的算法。

框架集成学习

通过使用许多弱学习获得高度准确的预测。

火车回归集成

培养一个简单的回归集成。

测试合奏质量

学习方法来评估整体的预测质量。

选择用于预测指标随机森林

选择拆分，预测使用交互测试算法随机森林。

乐团正规化

自动选择弱学习少了在不降低性能的预测方法相关的合奏。

回归树的自举聚合（套袋）使用TreeBagger

创建TreeBagger合奏回归。

使用并行处理的回归TreeBagger工作流程

通过并行运行TreeBagger加快计算。

检测离群值使用分位数回归

检测使用位数随机森林中的数据的异常值。

有条件的分位数估计使用核平滑

估计使用分位数随机森林和通过估计使用核平滑的响应的条件分布函数的响应特定的预测数据的条件位数。

调随机森林使用位数错误和优化贝叶斯

调位数使用贝叶斯优化随机森林。