集成学习(Ensemble Learning)

集成学习通过构建并结合多个学习器来完成学习任务。 集成学习的一般结构： 先产生一组“个体学习器”，再用某种策略将它们结合起来。 个体学习器通常由一个现有的学习算法从训练数据产生。

信息是用来消除随机不确定性的东西。 —— 香农

本篇主要包含ID3,C4.5在示例数据集上的手动实现以及C5.0的R实现。

决策树学习采用的是自顶向下的递归方法，其基本思想是以信息熵(或其他目标)为度量，构造一棵熵值下降最快的树，到叶子节点处的熵值为零，此时每个叶节点中的实例都属于同一类。

本篇包含adaboost的手动实现例子以及adaboost在R上的实现例子。

python加持excel, 速度起飞。

本篇内容主要包含常用的可视化图的R实现代码及效果。