集成学习：基础与算法

这是一本把“多个弱模型如何拼成一个强模型”讲透的经典之作。读者反复回味的，不是它罗列了多少算法，而是它把Boosting、Bagging、随机森林这些如今仍在大模型时代焕发生命的范式，从直觉讲清、再用公式钉死：为什么“多样性”才是集成的灵魂？奥卡姆剃刀在这里为何失效？对想搞懂底层逻辑、不满足于调包的人，它是难得的“出口转内销”系统梳理；而对只想备查方法的从业者，它又是一部清晰的方法索引。需要提醒的是：它偏理论、含公式推导，篇幅不算厚，追求“速通实操”的读者或许会觉得意犹未尽。它适合愿意啃推导、想把零散经验上升为体系的学习者，也适合正在调研RF与GBDT的实战派。

周志华，教授、南京大学计算机系主任、人工智能学院院长、校学术委员会委员。 欧洲科学院外籍院士，首位在人工智能相关五大主流国际学会ACM、AAAI、AAAS、IEEE、IAPR均当选为会士的华人学者。 中国计算机学会、中国人工智能学会会士。 曾获IEEE计算机学会Edward J. McCluskey技术成就奖、CCF王选奖等。 李楠，博士，毕业于南京大学计算机系机器学习与数据挖掘研究所(LAMDA)，师从周志华教授从事机器学习研究。 发表论文20余篇，并获国际数据挖掘竞赛冠军及最佳论文奖。 先后供职于阿里巴巴iDST/达摩院和微软亚洲互联网工程院，主要从事机器学习在互联网搜索、推荐和广告中的研究和应用工作。