本书通过6章内容全面地解读了集成学习的基础知识、集成学习技术、集成学习库和实践应用。其中集成学习技术包括采样、Bagging、投票集成、Boosting、AdaBoost、梯度提升、XGBoost、Stacking、随机森林、决策树等，从混合训练数据到混合模型，再到混合组合，逻辑严谨、逐步讲解。同时也对ML-集成学习、Dask、LightGBM、AdaNet等集成学习库相关技术进行了详细解读，最后本书通过相关实践对集成学习进行综合性应用。并列题名：Ensemble learning for AI developers eng