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 梯度提升中的提前停止 梯度提升中的提前停止 带有树林的特征重要性 带有树林的特征重要性 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 梯度提升包外估计 梯度提升包外估计 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转换 使用完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 随机森林的包外误差 随机森林的包外误差 绘制 VotingClassifier 计算的类别概率 绘制 VotingClassifier 计算的类别概率 绘制单个和投票回归预测 绘制单个和投票回归预测 绘制 VotingClassifier 的决策边界 绘制 VotingClassifier 的决策边界 绘制在 iris 数据集上树集成的决策面 绘制在 iris 数据集上树集成的决策面 梯度提升回归的预测区间 梯度提升回归的预测区间 单估计器与装袋：偏差-方差分解 单估计器与装袋：偏差-方差分解 两类 AdaBoost 两类 AdaBoost
