在本模块中，学习者将探索 Bagging 算法，这是一种将模型分组以获得更准确预测的技术。学习者将从学习 Bagging 的基础知识开始，了解为什么 Bagging 更好。他们将发现这些算法是如何工作的，以及为什么引导是一个强大的想法。接下来，他们将深入了解 Bagging 算法的类型。他们将探索随机森林、额外树以及如何在分类器中使用 Bagging。

在本模块中，学习者将掌握提升技术的精髓及其对模型准确性的变革性影响。然后，重点将转移到 AdaBoost，探索其底层算法以及它在提升迭代方法中发挥的关键作用。然后，他们将学习梯度提升机（GBM）。最后一课将向学习者介绍高级提升算法变体：XGBoost、LightGBM 和 CatBoost。

本模块以 "组合模型 "为主题，为学习者提供了一个简明而深刻的探索，让他们了解如何利用多种模型来实现卓越的性能。学员将探索为什么混合模型是一个好主意。他们将深入了解堆叠、混合和聚合的基本概念。

在本模块中，学习者将深入了解挑选合适的机器学习模型的重要过程。本模块首先说明为什么选择正确的模型很重要。学习者将了解在选择模型时需要考虑的因素。他们将获得一份方便的指南，帮助他们选择正确的模型。他们将了解在选择机型时需要注意的基本事项，包括性能指标。