
  <rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
    <channel>
      <title>HARRY CHANG</title>
      <link>https://harrychang.cc/blog</link>
      <description>Harry Chang 的數位園藝。利用 AI 整理與記錄個人的興趣與知識庫，如果你也有相同興趣，歡迎隨意參觀。</description>
      <language>zh-TW</language>
      <managingEditor>ksharry1025@gmail.com (HARRY CHANG)</managingEditor>
      <webMaster>ksharry1025@gmail.com (HARRY CHANG)</webMaster>
      <lastBuildDate>Wed, 20 May 2026 00:00:00 GMT</lastBuildDate>
      <atom:link href="https://harrychang.cc/tags/集成學習/feed.xml" rel="self" type="application/rss+xml"/>
      
  <item>
    <guid>https://harrychang.cc/blog/ai-ml-010-xgboost</guid>
    <title>集成學習-GBDT實戰指南：以鐵達尼號數據為例</title>
    <link>https://harrychang.cc/blog/ai-ml-010-xgboost</link>
    <description>結構化數據的最強戰力對比：一篇文章看懂 GBDT 三巨頭的優劣差異、適用場景與實測性能。</description>
    <pubDate>Wed, 20 May 2026 00:00:00 GMT</pubDate>
    <author>ksharry1025@gmail.com (HARRY CHANG)</author>
    <category>AI相關</category><category>集成學習</category>
  </item>

  <item>
    <guid>https://harrychang.cc/blog/ai-ml-026-xai</guid>
    <title>可解釋 AI (XAI) - LIME、SHAP 與 CFE 解析黑盒子</title>
    <link>https://harrychang.cc/blog/ai-ml-026-xai</link>
    <description>高準確率的模型往往伴隨著「黑盒子」的代價。本篇將介紹 XAI (可解釋 AI) 領域的三大神兵利器：LIME、SHAP 與 CFE，並親手用 SHAP 撬開鐵達尼號隨機森林模型的腦袋！</description>
    <pubDate>Sat, 06 Jun 2026 00:00:00 GMT</pubDate>
    <author>ksharry1025@gmail.com (HARRY CHANG)</author>
    <category>AI相關</category><category>集成學習</category>
  </item>

    </channel>
  </rss>
