集成方法# 关于 sklearn.ensemble 模块的示例。 梯度提升中的分类特征支持 梯度提升中的分类特征支持 使用堆叠组合预测器 使用堆叠组合预测器 比较随机森林和直方图梯度提升模型 比较随机森林和直方图梯度提升模型 比较随机森林和多输出元估计器 比较随机森林和多输出元估计器 使用 AdaBoost 的决策树回归 使用 AdaBoost 的决策树回归 梯度提升中的早停 梯度提升中的早停 使用树的森林进行特征重要性分析 使用树的森林进行特征重要性分析 使用树的集成进行特征变换 使用树的集成进行特征变换 直方图梯度提升树中的特征 直方图梯度提升树中的特征 梯度提升袋外估计 梯度提升袋外估计 梯度提升回归 梯度提升回归 梯度提升正则化 梯度提升正则化 使用完全随机树进行哈希特征变换 使用完全随机树进行哈希特征变换 IsolationForest 示例 IsolationForest 示例 单调约束 单调约束 多类 AdaBoosted 决策树 多类 AdaBoosted 决策树 随机森林的 OOB 误差 随机森林的 OOB 误差 绘制个体和投票回归预测 绘制个体和投票回归预测 绘制鸢尾花数据集上树的集成决策面 绘制鸢尾花数据集上树的集成决策面 梯度提升回归的预测区间 梯度提升回归的预测区间 单一估计器与 bagging：偏差-方差分解 单一估计器与 bagging：偏差-方差分解 两类 AdaBoost 两类 AdaBoost 可视化 VotingClassifier 的概率预测 可视化 VotingClassifier 的概率预测
