集成学习

集成学习详细总结(不涉及数学理论部分)

集成学习（EnsembleLearning）1概念集成学习就是将多个弱学习器组合在一起，从而得到一个更好更全面的强监督学习器模型。
要努力啊啊啊·2023-04-12 09:48

20机器学习开放基础课程--集成学习和随机森林方法

集成学习和随机森林方法集成假设已经为某一特定问题选中了最佳的模型，想进一步提升其准确率，就需要应用一些更高级的机器学习技术：集成（Ensemble）。
Jachin111·2023-04-12 04:06

【机器学习】案例一：随机森林预测泰坦尼克号生还概率

数据清洗及可视化介绍知识点环境准备数据特征介绍检查数据相关系数缺失值偏态分布数值化和标准化离群点实验总结一【二】分类模型训练及评价介绍环境准备模型评估模型选择性能度量实验总结二【三】随机森林分类器及其参数调节介绍知识点实验原理决策树集成学习随机森林
让机器理解语言か·2023-04-11 23:49

集成算法终极模型之《神器LightGBM》—最后的高山

还是那句话，建议先收藏，一遍看不懂就看三遍，集成学习最后的高山，就在眼前了！ok，直接开始LightGBM算法LightGBM是对XgBoost算法的强化，并且对Xg
小一的学习笔记·2023-04-11 20:21

机器学习之RandomForest、GBDT、XGBoost、lightGBM 原理与区别

目录随机森林--RandomForestGBDT(GradientBoostingDecisionTree)XGBoostlightGBMRF,GBDT,XGBoost,lightGBM都属于集成学习（
文子轩·2023-04-11 18:26

集成学习方法之随机森林

scikit-learn随机森林调参1.scikit-learn随机森林类库概述在scikit-learn中，RF的分类类是RandomForestClassifier，回归类是RandomForestRegressor。当然RF的变种ExtraTrees也有，分类类ExtraTreesClassifier，回归类ExtraTreesRegressor。由于RF和ExtraTrees的区别较小，调
吃肉的小馒头·2023-04-11 14:37

CART分类树算法与随机森林

集成学习(EnsembleLearning)便是这样一种学习方法，集成学习是指将多种学习算法，通过适当的形式组
ggwcr·2023-04-11 14:04

六、集成学习五、集成学习（Boosting、三)

四、LightGBMLightGBM也是常用的GBDT工具包，速度快于XGBoost，精度也还可以，其设计理念为：-单个机器在不牺牲速度的情况下，尽可能使用上更多的数据-多机并行时，通信的代价尽可能的低，并且在计算上可以做到线性加速所以其使用分布式的GBDT，选择了基于直方图的决策树算法。LightGBM在很多方面会比XGBoost表现的更为优秀。它有以下优势：-更快的训练效率-低内存使用-更高的
万物皆可代码·2023-04-10 02:38

随机森林回归算法讲解

随机森林（RandomForest）是一种基于集成学习的机器学习算法，被广泛用于回归问题。它通过使用多个决策树对数据进行建模，并将它们的预测结果进行集成，从而提高了模型的性能和稳定性。
爱吃熊掌的鱼·2023-04-10 02:19

日撸 Java 三百行（11-20天，线性数据结构）

目录总述01-10天，基本语法11-20天，线性数据结构21-30天，树与二叉树31-40天，图41-50天，查找与排序51-60天，kNN与NB61-70天，决策树与集成学习71-80天，BP神经网络
闵帆·2023-04-09 21:19

掌握机器学习中的“瑞士军刀”XGBoost，从入门到实战

1XGBoost简介XGBoost（eXtremeGradientBoosting）是一种集成学习算法，它
专注算法的马里奥学长·2023-04-09 19:54

【机器学习算法实践】GBDT提升树，集成学习boosting方法，可分类课可回归，CART树是基础，调参是重点

Adaboost是利用前一轮迭代弱学习器的误差率来更新训练集的权重，这样一轮轮的迭代下去。虽然GBDT也是Boosting家族的成员，但是却和Adaboost【机器学习算法实践】AdaBoost是典型的Boosting算法，加法模型多个弱分类器流水线式的提升精度，更关注那些难处理的数据_羞儿的博客-CSDN博客有很大的不同。GBDT也是迭代，使用了前向分布算法，但是弱学习器限定了只能使用CART回
羞儿·2023-04-09 19:18

高级算法梳理之随机森林

1.什么是集成学习集成学习，有个说法叫“三个臭皮匠，顶一个诸葛亮”，如下图所示，简单来说就是对于训练集数据，我们通过训练若干个个体学习器，通过一定的结合策略，就可以最终形成一个强学习器，以达到博采众长的目的
阴天了·2023-04-09 00:00

GDBT系列算法梳理

一、BDT提升数，BoostingDecisionTree，以CART决策树为基学习器的集成学习方法。
Thomas_Cai·2023-04-09 00:18

Linear Model 线性模型

然后再重点玩一玩集成学习。写在前面 机器学习里面注重模型预测的结果，但是统计里面更注重解释，因此构造了很多相应的统计量来评估模型的拟合程度以及显著性。
Jerrybio·2023-04-08 17:03

集成时间序列模型提高预测精度

使用Catboost从RNN、ARIMA和Prophet模型中提取信号进行预测集成各种弱学习器可以提高预测精度，但是如果我们的模型已经很强大了，集成学习往往也能够起到锦上添花的作用。
数据派THU·2023-04-08 08:35

2020-05-13 Genetic Programming With a New Representation to Automatically Learn Features and Evol...

一种新的自动学习特征和进化集合的遗传规划方法集成学习，特征学习，遗传规划，图像分类，表示图像分类是机器学习和计算机视觉领域的一个热门课题，但由于图像的高度变异性，它具有很大的挑战性。
野生小肥猪·2023-04-08 07:59

【机器学习算法实践】xgboost，一种boosting工程思想，泰勒的二阶展开近似拟合数据分布，建议细看原论文

XGBoost（eXtremeGradientBoosting）极致梯度提升，是一种基于GBDT【机器学习算法实践】GBDT提升树，集成学习boosting方法，可分类课可回归，CART树是基础，调参是重点
羞儿·2023-04-06 17:33

Python集成学习算法

Python集成学习算法---XgBoost转载原文在讲XGBoost之前，先讲一下GBDT，以及与Adaboost的区别所谓集成学习，是指构建多个分类器（弱分类器）对数据集进行预测，然后用某种策略将多个分类器预测的结果集成起来
彩虹直至黑白_Joon·2023-04-05 22:21

机器学习之AdaBoosting：日撸Java三百行day63-65

AdaBoosting算法是Boosting算法中的一个著名代表，而说到Boosting，又不得不提到集成学习（ensemblel
陈序袁·2023-04-05 15:09

Adaboost 算法介绍

微信公众号：芥子观须弥1.Adaboost简介1.1集成学习（ensemblelearning）背景介绍集成学习（ensemblelearning）通过构建并结合多个学习器（learner）来完成学习任务
芥子观须弥·2023-04-05 04:33

决策树与集成学习1-信息熵与手写决策树

文章目录1.什么时信息熵决策树的概念信息熵与信息增益计算信息熵2.决策树极简案例加载和可视化采用二叉树进行分类graphviz查看二叉树¶等高线显示分类结果1.什么时信息熵决策树的概念决策树思想非常朴素，类似程序设计中的if–else结构，最早的决策树就是利用这类结构分类数据。思考：最先筛选的条件意味着什么？阈值是否合理？信息熵与信息增益信息熵用来描述信源的不确定度，熵在信息论中代表随机变量不确定
闪闪发亮的小星星·2023-04-04 22:18

《机器学习》理论——速读学习2 常用方法（2）

time:2021-12-21学习目标：我需要了解神经网络除了工程化部分之外的更多内容，以便于在实际有效数据中可以获得抽象模型的能力；第6章支持向量机第7章贝叶斯分类器第8章集成学习第6章支持向量机6.1
baby_hua·2023-04-04 21:15

Ensemble learning 概述

在机器学习和统计学习中,EnsembleLearning(集成学习)是一种将多种学习算法组合在一起以取得更好表现的一种方法。
BradleyBill·2023-04-04 21:07

Lesson 9.1 集成学习的三大关键领域、Bagging 方法的基本思想和 RandomForestRegressor 的实现

文章目录一、集成学习的三大关键领域二、Bagging方法的基本思想三、RandomForestRegressor的实现在开始学习之前，先导入我们需要的库，并查看库的版本。
虚心求知的熊·2023-04-04 21:05

10 集成学习；聚类学习分类图像

#-*-coding:utf-8-*-#所需数据请在这里下载：https://video.mugglecode.com/wine_quality.csv"""任务：红酒质量预测"""importpandasaspdfromsklearn.model_selectionimporttrain_test_splitfromsklearn.preprocessingimportMinMaxScalerf
夏威夷的芒果·2023-04-04 21:45

GBDT模型

GBDT（GradientBoostingDecisionTree，梯度提升树）属于一种有监督的集成学习算法，与前面几章介绍的监督算法类似，同样可用于分类问题的识别和预测问题的解决。
月岛雫-·2023-04-04 14:58

基于集成学习方法结合影像组学特征的恶性脑肿瘤检测

方法：本文提出了一种集成学习的方法鉴别不同级别肿瘤。基于集成学习结合MRI图像能够使用非入侵的方式鉴别不同级别的脑癌。所考虑的影像组学特征分
思影科技·2023-04-04 11:16

六、集成学习一、决策树

决策树（DecisionTree）比较适合分析离散型数据，若数据是连续型数据，则先将其转成离散型数据再做分析。一、概念信息熵（entropy）:一条信息的信息量大小和它的不确定性有直接的关系，要搞清楚一件非常不确定的事或者一无所知的事，需要了解大量的信息。而信息量的度量就等于不确定性的多少。信息熵越大（越小），不确定性越大（越小）。信息熵公式：eg:假设骰子A，扔出1-6的概率为1/6；骰子B，扔
万物皆可代码·2023-04-04 04:19

集成时间序列模型提高预测精度

使用Catboost从RNN、ARIMA和Prophet模型中提取信号进行预测集成各种弱学习器可以提高预测精度，但是如果我们的模型已经很强大了，集成学习往往也能够起到锦上添花的作用。
deephub·2023-04-03 13:20

六、集成学习二、集成学习（Bagging、Stacking）

集成学习（EnsembleLearning）KNN、决策树、神经网络等学习器都是单一、独立的，集成学习就是组合多个学习器，最后可以得到一个更好的学习器。
万物皆可代码·2023-04-03 07:15

基于树模型的集成算法---Random Forest

一、模型介绍随机森林是一种由决策树构成的集成算法.随机森林属于集成学习中的Bagging.用随机的方式建立一个森林，森林里面有很多的决策树组成，随机森林的每一棵决策树之间是没有关联的。
自由调优师_大废废·2023-04-03 03:25

（转）RF、GBDT、XGBoost、lightGBM原理与区别

RF、GBDT和XGBoost都属于集成学习（EnsembleLearning），集成学习的目的是通过结合多个基学习器的预测结果来改善单个学习器的泛化能力和鲁棒性。
花花花哇_·2023-04-02 13:13

【机器学习算法实践】AdaBoost是典型的Boosting算法，加法模型多个弱分类器流水线式的提升精度，更关注那些难处理的数据

而集成学习的核心思路就是“人多力量大”，它并没有创造出新的算法，而是把已有的算法进行结合，从而得到更好的效果。
羞儿·2023-04-02 05:52

【机器学习算法复现】随机森林，以又放回的方式构建的决策树为基础的集成学习方法，可回归可分类不同任务注意评价指标。

随机森林就是通过集成学习的Bagging思想将多棵树集成的一种算法：它的基本单元就是决策树。随机森林的名称中有两个关键词，一个是“随机”，一个就是“森林”。
羞儿·2023-04-02 05:21

机器学习算法系列

机器学习中的数据清洗与特征处理综述（39）实例详解机器学习如何解决问题（38）外卖订单量预测异常报警模型实践（37）外卖O2O的用户画像实践（36）GBDT算法原理深入解析（35）使用Sklearn进行集成学习
hello风一样的男子·2023-04-01 05:50

数据结构-集成算法-随机森林

集成算法集成学习（ensemblelearning）是目前非常流行的机器学习策略，基本上所有问题都可以借用其思想来得到效果上的提升。基本出发点就是把算法和各种策略集中在一起
辉常努腻·2023-04-01 00:56

Datawhale第23期组队学习—集成学习—task1—回归、分类、无监督学习

文章内容参考：https://github.com/datawhalechina/team-learning-data-mining/tree/master/EnsembleLearning1.0机器学习：机器学习的一个重要的目标就是利用数学模型来理解数据，发现数据中的规律，用作数据的分析和预测。数据通常由一组向量组成，这组向量中的每个向量都是一个样本，用来表示一个样本，其中=1,2,3,...,
蜗牛海胆·2023-03-31 17:58

快速弄懂机器学习里的集成算法：原理、框架与实战（一）

1.关于集成学习算法集成学习算法，通俗地讲就是：三个臭皮匠，顶个诸葛亮，这在很多地方都有人提过。
博观厚积·2023-03-31 06:35

集成学习之Boosting-xgboost

一、什么是Xgboost二、Xgboost的基本原理三、Xgboost的工作实例四、算法的优缺点***************************************************************************************************************一、什么是XgboostXGBoost是“ExtremeGradientBoost
小小orange·2023-03-31 02:34

梯度提升算法决策过程的逐步可视化

梯度提升算法介绍梯度提升算法（GradientBoosting）是一种集成学习算法，它通过构建多个弱分类器，然后将它们组合成一个强分类器来提高模型的预测准确率。梯度提升算法的原理可以分为以下几个步骤
deephub·2023-03-29 18:11

集成学习(Ensemble learning)

摘要：本文是理解adaboost算法与xgboost算法的前奏篇，主要介绍集成学习（Ensemblelearning）的含义，在模型选择、训练数据过多或过少、数据融合及置信度估计等几方面的应用，同时介绍了集成学习的两个重要方面
_与谁同坐_·2023-03-24 23:30

集成学习之Bagging和RF

一、什么是随机森林二、随机森林的两个随机三、随机森林算法过程四、为什么如此受欢迎五、随机森林算法的优缺点六、RF特征选择***********************************************************************************************************一、什么是随机森林随机是指随机抽样样本和随机选择特征，森林是指弱学
小小orange·2023-03-24 06:32

Adaboost理解笔记(matlab实现)

目前集成学习有bagging、boosting算法，两者异同可以参考这篇博客随机森林（RandomForest）是一种bagging的方法；Adaboost、GBDT、XGBoost都是一种boosting
zoulala·2023-03-24 04:31

四大常用集成算法（Xgboost，CatBoost，Lightbm，DeepForest）

机器学习结构化数据领域内，有四大常用的集成学习算法，学习能力强，并且均具备一定的抗过拟合能力。分别是Xgboost，CatBoost，Lightbm，DeepForest。
qq_50173095·2023-03-23 07:43

第9步 Xgboost

上一步我们介绍了集成学习，其中提到了一种boosting方
Jet4505·2023-03-23 07:12

python 人工智能算法之随机森林流程详解

目录随机森林优缺点总结随机森林(RandomForest)是一种基于决策树（前文有所讲解）的集成学习算法，它能够处理分类和回归两类问题。
·2023-03-22 16:15

9.3 集成学习 stacking

1.stacking功能：模型融合image.pngbagging和boosting基于同一个算法。stacking不受方法限制，可以把不同的方法封装成1个投票器，一起工作。2.实现2.1导包fromsklearn.ensembleimportStackingClassifier,StackingRegressor其中算法对象的格式是：listof(str,estimator)即：[(str,mo
蓝天下悠闲的云朵·2023-03-22 03:38

boosting思路与Adaboost算法

boosting1.导论在前面的学习中，我们探讨了一系列简单而实用的回归和分类模型，同时也探讨了如何使用集成学习家族中的Bagging思想去优化最终的模型。
程序员应如是·2023-03-20 12:37

day13-集成学习

集成学习是一种技术框架，其按照不同的思路来组合基础模型，从而达到其利断金的目的。集成学习的基本结构为：先产生一组个体学习器，再使用某种策略将它们结合在一起。
deeann1993·2023-03-20 08:26
上一页 7 8 9 10 11 12 13 14 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他