在机器学习和统计学习中, Ensemble Learning(集成学习)是一种将多种学习算法组合在一起以取得更好表现的一种方法。与 Statistical Ensemble(统计总体，通常是无限的)不同，机器学习下的Ensemble 主要是指有限的模型相互组合，而且可以有很多不同的结构。相关的概念有多模型系统、Committee Learning、Modular systems、多分类器系统等等。这些概念相互之间相互联系，又有区别，而对这些概念的界定，业界目前还没有达成共识。
本文主要参考Tiny Data, Approximate Bayesian Computation and the Socks of Karl Broman。原作者使用R语言做分析，本文使用Python，且部分参数选择和测试不同。 Approximate Bayesian computation(ABC, 近似贝叶斯计算)是贝叶斯统计的基本方法。
本文简单的介绍了贝叶斯估计方法，以及如何使用贝叶斯估计来解决一些实际问题。
在机器学习中，Feature hasing 也称之为hashing trick，是一种快速的且很节省空间的特征向量化的方法。
本文主要是个人对如何学习数据科学的一些个人认知，附录部分参考了网上资源。
some free data science books!
文章分类 65篇