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 使用 AdaBoost 的决策树回归 使用 AdaBoost 的决策树回归 梯度提升中的提前停止 梯度提升中的提前停止 具有树的森林的特征重要性 具有树的森林的特征重要性 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 AdaBoost 决策树 多类 AdaBoost 决策树 随机森林的袋外误差 随机森林的袋外误差 具有并行树的森林的像素重要性 具有并行树的森林的像素重要性 绘制由 VotingClassifier 计算的类概率 绘制由 VotingClassifier 计算的类概率 绘制个体和投票回归预测 绘制个体和投票回归预测 绘制 VotingClassifier 的决策边界 绘制 VotingClassifier 的决策边界 绘制鸢尾花数据集上树的集成的决策面 绘制鸢尾花数据集上树的集成的决策面 梯度提升回归的预测区间 梯度提升回归的预测区间 单个估计器与装袋：偏差-方差分解 单个估计器与装袋：偏差-方差分解 二分类 AdaBoost 二分类 AdaBoost
