报告对各种Boosting 集成学习模型进行系统测试
Boosting 集成学习模型将多个弱学习器串行结合，能够很好地兼顾模型的
偏差和方差，该类模型在最近几年获得了长足的发展，主要包括AdaBoost、
GBDT、XGBoost。本篇报告我们将对这三种Boosting 集成学习模型进行
系统性的测试，并分析它们应用于多因子选股的异同，希望对本领域的投
资者产生有实用意义的参考价值。
2019-12-21 22:02:22
2.72MB
1
陈天奇论文及翻译+演讲PPT+论文讲解（陈天奇XGBoost: A Scalable Tree Boosting System）
2019-12-21 20:41:16
4.31MB
1
自己积累的关于xgboost经典文献，三个，非扫描。对xgboost的原理以及应用代码都有详细的介绍
2019-12-21 20:32:54
3.97MB
1
Boosting, Foundations and Algorithms,Adaptive Computation and Machine Learning,The MIT Press
2019-12-21 19:46:05
5.27MB
1
Boosting方法-从AdaBoost到LightGBM，涵盖了adaboost xgboost lightgbm等经典boosting方法的原理详细介绍
2019-12-21 19:36:38
3.86MB
1