<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>梯度提升 on PlumePHP</title><link>https://plumephp.com/tags/%E6%A2%AF%E5%BA%A6%E6%8F%90%E5%8D%87/</link><description>Recent content in 梯度提升 on PlumePHP</description><generator>Hugo</generator><language>zh-CN</language><lastBuildDate>Mon, 28 Sep 2026 10:00:00 +0800</lastBuildDate><atom:link href="https://plumephp.com/tags/%E6%A2%AF%E5%BA%A6%E6%8F%90%E5%8D%87/index.xml" rel="self" type="application/rss+xml"/><item><title>集成学习实战：Bagging、随机森林、梯度提升与 Stacking</title><link>https://plumephp.com/ml-ensemble-learning/</link><pubDate>Mon, 28 Sep 2026 10:00:00 +0800</pubDate><guid>https://plumephp.com/ml-ensemble-learning/</guid><description>&lt;h2 id="引言"&gt;引言&lt;/h2&gt;
&lt;p&gt;单个模型（决策树、逻辑回归）常有力不从心的时候：树容易过拟合、线性模型学不动非线性。**集成学习（Ensemble）**把多个「弱模型」组合成一个「强模型」，是几乎所有机器学习竞赛与工业落地的默认武器。本文从偏差-方差视角讲清「为什么集成有效」，再逐步落地 Bagging → 随机森林 → AdaBoost → GBDT → XGBoost/LightGBM → Stacking，全程附 sklearn 可运行代码。&lt;/p&gt;</description></item></channel></rss>