上次的决策树在此首先记录一下集成算法集成学习算法 集成学习（ensemble learning）是通过在数据上构建多个模型，集成所有模型的建模结果。有随机森林（比较基础），梯度提升树（GBDT），Xgboost等集成算法。集成算法的目标集成算法会考虑多个评估器的建模结果，汇总之后得到一个综合的结果，以此来获取比单个模型更好的回归或分类表现。多个模型集成成为的模型叫做集成评估器（ensemble e
Learning layer-specific edges for segmenting retinal layers with large deformations作者：S. P. K. KARRI 摘要：本文提出了一种结构化学习算法用于提升传统图论方法的分割效果，该算法同时检测独立的层和对应的边缘。算法基本原理是首先通过结构化随机森林获得层次边缘的概率图，之后使用图论方法进行精分割
代码如下：#coding:utf-8
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import MinMaxScaler
from skl
from time import time
from sklearn.ensemble import RandomForestRegressor
from sklearn.model_selection import train_test_split
import numpy as np
from sklearn.metrics import mean_squared_error
data =
用类封装起来，以后使用起来将方便多了。import numpy as np
from sklearn import preprocessing
from sklearn.ensemble import RandomForestClassifier
import matplotlib.pyplot as plt
class MYRandomForestClassifier:
主要从影响随机森林的参数入手调整随机森立的预测程度：Python 3.7.3 (default, Apr 24 2019, 15:29:51) [MSC v.1915 64 bit (AMD64)] Type "copyright", "credits" or "license" for more information.IPython 7.6.1 -- An enhanced Interacti
