集成学习实战：Bagging、随机森林、梯度提升与 Stacking
集成学习实战全流程：偏差方差视角的集成动机、Bagging 与随机森林、AdaBoost 到 GBDT 的梯度提升思想、XGBoost/LightGBM 工程实践、Stacking 与 Blending 进阶融合、sklearn 端到端实战。
tag
LightGBM
共 2 篇文章。
时序预测实战：从 ARIMA 到时序基础模型
时序预测是销量、流量、运维与金融风控的核心能力，方法栈从经典统计到深度学习不断演进。本文系统讲解时序预测实战全链路：经典统计方法（ARIMA/ETS）、分解与平稳性检验、机器学习方法（LightGBM/XGBoost 特征工程）、深度方法（LSTM/TCN/Transformer/时序基础模型）、多步与滚动预测策略、评估指标（MSE/MAPE/Pinball），以及在线推理与生产部署的完整案例。