《集成学习入门与实战：原理、算法与应用》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；最后通过相关实践对集成学习进行综合性应用。本书配有逻辑框图、关键代码及代码分析，使读者在阅读中能够及时掌握算法含义和对应代码。 本书适合集成学习的初学者和机器学习方向的从业者和技术人员阅读学习，也适合开设机器学习等算法课程的高等院校师生使用。