REFERENCES
[1] A Short Introduction to Boosting: [ Ссылка ]
[2] A Theory of the Learnable (Valiant, 1984): [ Ссылка ]. This introduced the PAC Learning model
[3] PAC Learning Model: [ Ссылка ]
[4] Cryptographic Limitations on Learning Boolean Formulae & Finite Automata (Kearns et al., 1988): [ Ссылка ] (This paper defined weak learnability)
[5] The strength of weak learnability (Schapire, 1990): [ Ссылка ]
[6] A gentle intro to weak learners: [ Ссылка ]
[7] Boosting a weak learning algorithm by majority (Freund, 1995): [ Ссылка ]
[8] Adaptive Boosting (Section 4): [ Ссылка ]
[9] Adaboost & overfitting discussion: [ Ссылка ]
[10] Gradient Boosting: [ Ссылка ]
[11] How boosting still learns even after training error hits 0: [ Ссылка ]
[12] Difference between Adaboost & Gradient Boost: [ Ссылка ]
[13] Adaboost Vs Gradient Boosting: [ Ссылка ]
[14] XGBoost (Main Paper): [ Ссылка ]
[15] Compressed Sparse Column (CSC) format used in storing data in XGboost: [ Ссылка ]
CODE
[1] Starter code with built in libraries: [ Ссылка ]
IMAGE RESOURCES
[1] ConvNet: [ Ссылка ]
HIPPY COWBOY MUSIC
[1] Cowboy Sting by Kevin MacLeod is licensed under a Creative Commons Attribution license ([ Ссылка ])
Source: [ Ссылка ]
Artist: [ Ссылка ]
