谦2021-10-06之前对集成算法对参数不是很理解，在learning_rate和n_estimators对选择上有过经验教训，惯性思维认为learning_rate只是决定训练的速度，然后就随便选了一个learning_rate对Adaboost，XGBoost，GBDT 和随机森林分别进行训练，得到对结果Adaboost > 随机森林 > GBDT > XGBoost。因为网上都说XGB很厉害，这个的结果看上去不太合理，这时候通过增加n_estimators对数量，XGB的结果终于排到第一名，后面发现如果不增减n_estimators对数量，把learning_rate从0.1改成了1，XGB对结果也说可以排到第一位，也就是learning_rate和n_estimators是配合使用的，小的learning_rate需要更多对estimator来支持。如果老老实实用GridSearchCV的话，应该可以早点找到合适的参数。作者回复: 这是宝贵的调参过程之细节，感谢分享！！
5
Null2022-09-26 来自北京纠错实例代码：决策树bagging，dt = BaggingClassifier(DecisionTreeClassifier()) # 只使用一棵决策树dt.fit(X_train, y_train) # 拟合模型。这里应该是dt = DecisionTreeClassifier())吧。作者回复: 谢谢同学，你是正确的。应该改为：dt = DecisionTreeClassifier() 我们会修正网页。
共 3 条评论- 尼古拉斯德彪2022-04-08老师，总结的最后一句话，是写错了吗？ 推荐两种算法，说了3个？？？那么最后，如果让我在集成学习家族的算法里，给你推荐两种常用且效果好的算法，基于我个人的经验，我会觉得 XGBoost、GBDT 和随机森林是优于其它几种的。
作者回复: 谢谢同学的建议，更准确的说法是“一些”或“几个”。😋
FM微言送2021-12-06问个题外话：SAP这个是不是跟现在智能制造（ERP,MES，WMS，SRM，PLM...等九大系统）类似。小白希望能解答作者回复: SAP是一个大型的ERP系统软件，也是最大最全面的。你上面列举的9大系统里面的很多系统应该在SAP中都有具体的实现。公司上马了SAP系统，很多产、供、销、资源调配，财务管理，人类资源管理均可以找到解决方案。但是SAP这个软化很贵。
JL2021-11-29提出两个裂变方案之后，运营部门收集了转化数据。那么，我们今天的目标就是根据这个数据集，来判断一个特定用户在特定的裂变促销之下，是否会转化。 老师这段话里的转化数据链接好像错了，点进去是18的内容作者回复: 谢谢反馈，我们这边调整一下链接。