| 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 |