集成方法# 有关 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 带 AdaBoost 的决策树回归 带 AdaBoost 的决策树回归 梯度提升中的早停 梯度提升中的早停 使用森林中的树进行特征重要性分析 使用森林中的树进行特征重要性分析 使用树集成进行特征转换 使用树集成进行特征转换 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 使用全随机树进行哈希特征转换 使用全随机树进行哈希特征转换 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 绘制在 iris 数据集上训练的树集成的决策边界 绘制在 iris 数据集上训练的树集成的决策边界 梯度提升回归的预测区间 梯度提升回归的预测区间 单个估计器 vs 装袋：偏差-方差分解 单个估计器 vs 装袋：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
