1. 研究目的与意义（文献综述）
1.1研究背景及意义
集成学习（ensemble learning）通过构建多个学习器，并使用某种规则将多个学习器结合起来完成学习任务，从而获得比单个学习器更好的学习效果的一种机器学习方法。根据学习器之间是否可以存在依赖关系，可以将集成学习分成两类。一类是以boosting为代表的个体学习器间存在强依赖关系、必须串行生成的序列化方法；另一类是以bagging和随机森林（random forest）为代表的个体学习器间不存在强依赖关系、可同时生成的并行化方法。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
2. 研究的基本内容与方案
2.1基本内容
（1）深入学习并理解机器学习相关基础知识，着重掌握集成学习相关算法的思想、过程以及代码实现；
（2）研究xgboost算法实现原理；
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
3. 研究计划与安排
（1）2020/1/13-2020/2/23：确认选题；查阅有关的参考资料并完成开题报告；翻译论文“xgboost: a scalable tree boosting system”，并交予指导教师检查。
（2）20202/2/24-2020/3/15：深入理解并掌握论文“xgboost: ascalable tree boosting system” 中所提出的分类算法的原理与步骤；学习python程序设计理论，完成模型的前期准备工作，包括对数据集进行预处理等等。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
4. 参考文献（12篇以上）
1. 周志华，机器学习，清华大学出版社，2019.01
2.（日）杉山将，许永伟（译），图解机器学习，人民邮电出版社，2015.04
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
