致谢 | 第3-4页 |
摘要 | 第4-5页 |
Abstract | 第5页 |
第1章 绪论 | 第7-12页 |
1.1 研究背景 | 第7页 |
1.2 相关内容研究进展 | 第7-10页 |
1.3 研究思路和主要内容 | 第10-12页 |
第2章 集成学习相关研究 | 第12-18页 |
2.1 相关的集成学习研究 | 第12-14页 |
2.2 集成学习的有效性及其有效条件 | 第14-15页 |
2.3 集成学习的方法 | 第15-18页 |
第3章 主要模型的原理及求解 | 第18-45页 |
3.1 决策树及CART算法 | 第18-21页 |
3.2 Bagging及随机森林 | 第21-24页 |
3.3 Boosting之Gradient Boosting及GBDT | 第24-30页 |
3.4 XGBoost对GBDT的改进 | 第30-36页 |
3.5 因子分解机(FM)及其改进 | 第36-45页 |
第4章 实证结果与分析 | 第45-52页 |
4.1 数据描述 | 第45-46页 |
4.2 数据初步特征工程 | 第46-47页 |
4.3 模型结果 | 第47-49页 |
4.4 模型比较分析 | 第49-52页 |
第5章 总结 | 第52-53页 |
5.1 论文工作总结 | 第52页 |
5.2 进一步研究工作 | 第52-53页 |
参考文献 | 第53-56页 |