Chuyển đến nội dung chính
Trang chủPython

Khóa học

Ensemble Methods in Python

Nâng caoTrình độ kỹ năng
Đã cập nhật tháng 10, 2025
Hãy tìm hiểu cách xây dựng các mô hình học máy tiên tiến và hiệu quả bằng Python thông qua việc áp dụng các kỹ thuật kết hợp như bagging, boosting và stacking.
Bắt Đầu Khóa Học Miễn Phí
PythonMachine Learning
4 gio
15 video
52 Bài tập
4,050 XP
12,834
Giấy chứng nhận Thành tích

Tạo Tài Khoản Miễn Phí

Tiếp Tục Với GoogleHiển thị thêm tùy chọn

hoặc

Bằng cách tiếp tục, bạn chấp nhận Điều khoản sử dụng, Chính sách bảo mật và việc dữ liệu của bạn được lưu trữ tại Hoa Kỳ.

Được người học tại hàng ngàn công ty yêu thích

Group

Đào tạo một đội ngũ?

Dùng thử cho Doanh nghiệp

Mô tả khóa học

Tiếp tục hành trình Machine Learning của bạn bằng cách khám phá thế giới tuyệt vời của các phương pháp ensemble! Đây là một nhóm kỹ thuật Machine Learning thú vị, kết hợp nhiều thuật toán riêng lẻ để nâng cao hiệu quả và giải các bài toán phức tạp ở quy mô lớn trong nhiều ngành khác nhau. Các kỹ thuật ensemble cũng thường xuyên chiến thắng ở các cuộc thi Machine Learning trực tuyến! Trong khóa học này, bạn sẽ học về các kỹ thuật ensemble nâng cao như bagging, boosting và stacking. Bạn sẽ áp dụng chúng lên dữ liệu thực tế bằng các thư viện Machine Learning Python hiện đại như scikit-learn, XGBoost, CatBoost và mlxtend.

Điều kiện tiên quyết

Linear Classifiers in PythonMachine Learning with Tree-Based Models in Python
1

Combining Multiple Models

Do you struggle to determine which of the models you built is the best for your problem? You should give up on that, and use them all instead! In this chapter, you'll learn how to combine multiple models into one using "Voting" and "Averaging". You'll use these to predict the ratings of apps on the Google Play Store, whether or not a Pokémon is legendary, and which characters are going to die in Game of Thrones!
Bắt Đầu Chương
2

Bagging

Bagging is the ensemble method behind powerful machine learning algorithms such as random forests. In this chapter you'll learn the theory behind this technique and build your own bagging models using scikit-learn.
Bắt Đầu Chương
3

Boosting

Boosting is class of ensemble learning algorithms that includes award-winning models such as AdaBoost. In this chapter, you'll learn about this award-winning model, and use it to predict the revenue of award-winning movies! You'll also learn about gradient boosting algorithms such as CatBoost and XGBoost.
Bắt Đầu Chương
4

Stacking

Get ready to see how things stack up! In this final chapter you'll learn about the stacking ensemble method. You'll learn how to implement it using scikit-learn as well as with the mlxtend library! You'll apply stacking to predict the edibility of North American mushrooms, and revisit the ratings of Google apps with this more advanced approach.
Bắt Đầu Chương
Ensemble Methods in Python
Hoàn
Thành

Nhận Giấy Chứng Nhận Hoàn Thành

Thêm chứng chỉ này vào hồ sơ LinkedIn, CV hoặc sơ yếu lý lịch của ban
Chia sẻ trên mạng xã hội và trong đánh giá hiệu suất của banĐăng Ký Ngay

Tham gia cùng hơn 19 triệu học viên và bắt đầu Ensemble Methods in Python ngay hôm nay!

Tạo Tài Khoản Miễn Phí

Tiếp Tục Với GoogleHiển thị thêm tùy chọn

hoặc

Bằng cách tiếp tục, bạn chấp nhận Điều khoản sử dụng, Chính sách bảo mật và việc dữ liệu của bạn được lưu trữ tại Hoa Kỳ.

Phát triển kỹ năng dữ liệu với DataCamp cho thiết bị di động

Tiến bộ mọi lúc mọi nơi với các khóa học cho thiết bị di động và thử thách lập trình 5 phút hằng ngày.