集成算法概述

        集成算法的基本思想:训练时用多种分类器一起完成同一份任务。

集成算法概述_第1张图片

        测试时对待测试样本分别通过不同的分类器,汇总最后的结果。投票方式,可分为软投票和硬投票。

集成算法概述_第2张图片

        集成算法一般有三种,分别是Bagging模型、Boosting模型和Stacking模型。

集成算法概述_第3张图片

        Bagging模型:并行的训练一堆分类器(类似电路并联),典型代表是随机森林算法。

集成算法概述_第4张图片

        随机森林的多样性,即构建的树模型之间存在一定差异。

集成算法概述_第5张图片

集成算法概述_第6张图片

集成算法概述_第7张图片

集成算法概述_第8张图片

        Boosting模型:提升算法(类似电路串联)

集成算法概述_第9张图片

        Stacking模型:堆联

集成算法概述_第10张图片

你可能感兴趣的:(算法,集成算法)