集成学习

Python量化交易05——基于多因子选择和选股策略(随机森林，LGBM)

本次带来的就是多因子模型，并且使用的是机器学习的强大的非线性模型，集成学习里面的随机森林和LGBM模型，带来因子的选择策略和股票的选择策略。
阡之尘埃·2022-12-30 09:55

《文本上的算法——深入浅出自然语言处理》读书笔记：第3章 让机器人可以像人一样学习

3.4主题模型3.5深度学习3.5.1基本概述3.5.2文本表示3.5.3词表示3.5.4句子表示3.5.5深度学习模型及其一些应用3.6其他模型3.6.1kNN3.6.2k-means3.6.3树模型/集成学习
非文的NLP修炼笔记·2022-12-29 23:59

机器学习之集成学习算法简介

今天给大家介绍一下机器学习实战中，应用非常广泛的一种分析方法，集成学习方法。集成学习在当前数据分析竞赛中（无论是kaggle也好还是国内的一些竞赛）是最常用的一种学习方法，效果也一直不错。
白话机器学习·2022-12-29 19:28

机器学习算法22 决策树到集成学习思想(04 经典决策树算法 ID3和C4.5比较，CART)

1ID3和C4.5比较ID3（IterativeDichotomiser3，迭代二叉树3代）由RossQuinlan于1986年提出。1993年，他对ID3进行改进设计出了C4.5算法。我们已经知道ID3与C4.5的不同之处在于，ID3根据信息增益选取特征构造决策树，而C4.5则是以信息增益率为核心构造决策树。既然C4.5是在ID3的基础上改进得到的，那么这两者的优缺点分别是什么？使用信息增益会让
熙仪繁华·2022-12-29 15:34

传统机器学习

列1列2机器学习方法模型评估与选择性能度量、偏差与方差线性模型线性回归、逻辑回归决策树信息增益、剪枝、C4.5神经网络SVM对偶问题、核方法贝叶斯分类器极大似然估计、EM算法集成学习boosting、bagging
Alchemist Notes·2022-12-29 12:43

机器学习概括（学习笔记）

机器学习传统机器学习主要有分类（Classification）、回归（Regression）、聚类（Clustering）、降维（DimensionalityReduction）、决策树（DecisionTree）、集成学习
corina_qin·2022-12-29 12:11

利用集成学习（Adaboost（DTs））对高光谱影像数据集（mat）分类

1.数据下载地址：HyperspectralRemoteSensingScenes包含：Indianapines，PaviaUniversity，KSC，Salinas的mat文件以Indianapines为例：Indian_pines.mat、Indian_pines_gt.matBand:220pixel:145*145class:16类别：2.方法adaboost（基学习器：决策树）评价指标
西红柿炒豆腐·2022-12-28 23:21

MATLAB如何搭建集成学习分类器

集成学习概念集成学习分为同质集成和异质集成，同质集成指的是基学习器为同一种学习器，异质集成指的是基学习器为不同的学习器。要想获得好的集成效果，个体学习器之间应该好而不同。
ZEERO~·2022-12-28 14:52

matlab自带各种分类器的使用示例

目前了解到的MATLAB中分类器有：K近邻分类器，随机森林分类器，朴素贝叶斯，集成学习方法，鉴别分析分类器，支持向量机。现将其主要函数使用方法总结如下，更多细节需参考MATLAB帮助文件。
Jayden_新进程序员·2022-12-28 14:20

可解释的机器学习(XML)概览

一、引言近年来，机器学习在大数据和算力发展的加持下在各个应用领域获得了令人印象深刻的成果，尤其是深度学习模型和集成学习模型（RandomForest，XGBoost和LigntGBM）。
zhfplay·2022-12-28 08:51

数据挖掘：集成学习

集成学习集成学习是通过构建并结合多个学习器来完成学习任务，集成学习通过将多个学习器结合，获得比单一学习器显著优越的泛化性能。
vzvzvzv·2022-12-28 04:28

matlab 集成学习,集成学习

这一组分类器就叫做集成；因此，这个技术就叫做集成学习，一个集成学习算法就叫做集成方法。例如，你可以训练一组决策树分类器，每一个都在一个随机的训练集上。为了去做预测，你
七个邹鸭梨·2022-12-27 22:43

MATLAB算法实战应用案例精讲-【集成算法】集成学习模型Blending（附Python实现代码）

目录前言几个高频面试题目1.集成学习中bagging,boosting,blending,stacking这几个概念的区别是什么？
林聪木·2022-12-27 22:43

集成学习 | MATLAB集成学习算法比较

集成学习|MATLAB集成学习算法比较目录集成学习|MATLAB集成学习算法比较基本介绍模型描述模型分析模型比较参考资料开心一刻基本介绍常见的集成学习框架有三种：Bagging，Boosting和Stacking
机器学习之心·2022-12-27 22:11

机器学习十大算法之Matlab-7随机森林10集成学习

机器学习十大算法之Matlab-7随机森林10集成学习随机森林+BoostingMatlab代码随机森林例子1-用随机森林算法对周志华《机器学习》中的西瓜数据集3.0进行分类例子2-用随机森林算法对鸢尾属植物数据集
林大帅6688·2022-12-27 22:35

分类预测 | MATLAB实现RUSBoost自适应提升随机欠采样的不平衡数据分类预测

分类预测|MATLAB实现RUSBoost自适应提升随机欠采样的不平衡数据分类预测目录分类预测|MATLAB实现RUSBoost自适应提升随机欠采样的不平衡数据分类预测基本描述研究回顾样本采样技术集成学习技术程序设计参考资料致谢基本描述数据不平衡分类是对各类别间样本的数目相差较大的数据集进行分类
机器学习之心·2022-12-27 12:05

【毕业设计_课程设计】基于半监督学习和集成学习的情感分析研究

文章目录0项目说明1数据2测试标准3环境配置4算法4.1监督学习(SL)的分类器选择4.2半监督学习(SSL)5项目工程0项目说明基于半监督学习和集成学习的情感分析研究提示：适合用于课程设计或毕业设计，
m0_71572237·2022-12-27 09:16

基于Python的中医藏象辨证量化诊断系统的设计与实现

包含：lunwen+开题报告+开题答辩PPT+毕业答辩PPT+项目源码摘要目的：本设计旨在深入研究深度学习、集成学习等机器学习理论，并应用相关算法开展中医藏象辨证量化诊断的创新研究和应用，在设计和实现AdaBoost
biyezuopinvip·2022-12-26 15:33

Day14-集成学习-机器学习-案例一：幸福感预测(DataWhale)

案例一：幸福感预测需要使用包括个体变量(性别、年龄、地域、职业、健康、婚姻与政治面貌等)、家庭变量(父母、配偶、子女、家庭资本)、社会态度(公平、信用、公共服务)等139个维度来预测其对幸福感的影响。1.基本信息数据信息维度：139个数据集：8000组预测值：(1,2,3,4,5)。1最低，5最高评价指标使用均方误差MSE，即Score=1n∑1n(yi−y∗)2Score=\frac{1}{n}
liying_tt·2022-12-26 14:20

基于seed数据集的脑电情绪识别（附论文和源码）（改进的循环神经网络（简单循环单元神经网络）和集成学习）并提取了微分熵、功率谱等特征

论文和源码链接见个人主页：基于seed数据集的脑电情绪识别（附论文和源码）（改进的循环神经网络和集成学习）并提取了微分熵、功率谱等特征。
脑电永不过时·2022-12-26 12:30

类别不均衡的分类问题

过采样（1）SMOTE（SyntheticMinorityOver-SamplingTechnique)（2）ADASYN（ADAptiveSyntheticSampling）3.重采样4.权重调整5.集成学习方法参考文章
李明朔·2022-12-26 09:39

周志华机器学习-支持向量机

周志华机器学习-支持向量机第一章绪论第二章模型评估与选择第三章线性模型第四章决策树第五章支持向量机第六章神经网络第七章贝叶斯分类器第八章集成学习和聚类–文章目录周志华机器学习-支持向量机一、支持向量机基本型二
馒头没有馅儿yolo·2022-12-26 08:59

目前流行的机器学习算法

集成学习(EnsembleLearnin
Traveler[ke]·2022-12-26 04:42

python 机器学习 信息熵的计算

题目介绍：描述决策树是非常经典的机器学习模型，以决策树为基模型的集成学习模型（XGBoost、GBDT等）在工业界得到了极为广泛的应用。决策树有三种常见的启发式生成标准，信息增益就是其中之一。
数学是算法的灵魂·2022-12-26 01:02

opencv机器学习 Haar特征 LBP特征 adaboost集成学习 级联分类器 支持向量机SVM 主成分分析PCA 人工神经网络(ANN) 笑脸检测 SVM分类 笑脸 检测

从弱分类器到强分类器的级联（AdaBoost集成学习改变训练集）级联分类器使用前要先进行训练，怎么训练？用目标的特征值去训练，对于人脸来说，通常使用Haar特征进行训练。
EwenWanW·2022-12-25 09:04

集成学习Day6 sklearn分类模型的评估、优化与基于SVM的人脸分类实例

集成学习Day6sklearn分类模型的评估、优化与人脸分类实例目录集成学习Day6sklearn分类模型的评估、优化与人脸分类实例1.模型评估与优化（1）超参数选择A使用网格搜索选择超参数B使用随机搜索选择超参数
Fox_Alex·2022-12-25 09:59

【机器学习】集成学习+代码实现

1.概念与分类集成学习（ensemblelearning）构建并结合多个学习器，先学习基学习器，再根据某种策略结合起来。
maershii·2022-12-24 19:55

集成学习python代码简单示例

fromimutilsimportpathsimportnumpyasnpimportcv2importosdefextract_histogram(image,bins=(8,8,8)):hist=cv2.calcHist([image],[0,1,2],None,bins,[0,256,0,256,0,256])cv2.normalize(hist,hist)returnhist.flatte
фора 快跑·2022-12-24 19:53

机器学习笔记——集成学习EnsembleLearning+代码详解

机器学习笔记——集成学习EnsembleLearning一、集成学习初步了解1.1集成学习基本思想1.2集成学习分类二、AdaBoost2.1AdaBoost基本思想2.2AdaBoost代码详解三、GBM
AgentSmart·2022-12-24 19:52

集成学习与Python

一、基本概念集成方法（ensemblemethod）的目标是：将不同的分类器组合成一个元分类器，与包含于其中的单个分类器相比，元分类器具有更好的泛化性能。通常基于多数投票原则。假定二类别分类中的n个成员分类器有相同的出错率ε，并且各分类器相互之间独立。# Title     : TODO  # Objective : TODO  # Created by: Chen Da  # Created o
尤达大师CD·2022-12-24 18:51

【机器学习】Ensemble Learning 集成学习 + Python代码实战

文章目录一、集成学习概述二、Bagging模型2.1随机森林2.1.1随机森林介绍2.2.1随机森林优势2.2KNN2.3软投票2.4硬投票2.5Bagging模型实战2.5.1构建实验数据集2.5.2
WSKH0929·2022-12-24 18:20

XGBoost算法浅述

boosting：集成学习算法，将一系列基本分类器按照不同的权重组合成为一个强分
一本糊涂张·2022-12-24 14:46

Datawhale组队学习之集成学习——Task 6 Boosting

Datawhale组队学习之集成学习——Task6Boosting一、Boosting方法的基本思路二、Adaboost算法1、Adaboost基本原理2、使用sklearn对Adaboost算法进行建模三
Codewith_jing·2022-12-24 14:08

Datawhale组队学习之集成学习——Task3偏差和方差理论

Datawhale组队学习之集成学习——Task3偏差和方差理论前言一、优化基础模型1、训练均方误差与测试均方误差：2、偏差-方差的权衡：3、特征提取：4、压缩估计(正则化)：5、降维：6、示例二、对模型超参数进行调优
Codewith_jing·2022-12-24 14:38

【ML】随机森林(Random Forest) 从入门到放弃再到掌握

目录集成学习决策树BoostingAdaboostGBDT梯度提升决策树是属于boosting集成学习的一种方法，通过构建多颗CART回归树，每一轮利用上一轮学习器的残差进行树的创建。
半九拾·2022-12-24 13:19

机器学习| 面试题：04、bagging算法思想及与DNN中的dropout思想的对比

问题我们在机器学习文件夹的问题“11_三种集成学习思想简介”中大体上介绍了bagging思想，在这个问题中，我们便具体讨论下这种思想，且与DNN中的dropout思想做下对比。
Mrrunsen·2022-12-24 10:25

【机器学习】bagging算法思想及与DNN中的dropout思想的一致性

问题我们在机器学习问题“三种集成学习思想简介”中大体上介绍了bagging思想，在这个问题中，我们便具体讨论下这种思想，且与DNN中的dropout思想做下对比。
秋天的波·2022-12-24 10:23

bagging和随机森林

文章目录前言决策树集成学习分类1.bagging2.随机森林2.1随机森林原理2.2随机理解2.3RF与bagging的比较2.4随机森林的特征重要性原理2.5RF优缺点2.6RF与GBDT的区别前言  
weixin_50304531·2022-12-24 08:07

随机森林（Random Forest）原理小结

特征重要性2.3RF回归3.模型评价完整代码参考本博客中使用到的完整代码请移步至:我的github：https://github.com/qingyujean/Magic-NLPer，求赞求星求鼓励~~~集成学习系列文章
咕叽咕叽小菜鸟·2022-12-24 08:35

Bagging与随机森林算法原理小结

在集成学习原理小结中，我们讲到了集成学习有两个流派，一个是boosting派系，它的特点是各个弱学习器之间有依赖关系。另一种是bagging流派，它的特点是各个弱学习器之间没有依赖关系，可以并行拟合。
chenyiming2010·2022-12-24 08:30

随机森林小结

划重点：Bagging+决策树=随机森林1.算法原理：随机森林，是基于bagging的一种并行式集成学习方法，可以用来做分类、回归。
星青星晴·2022-12-24 08:29

【机器学习】集成学习算法使用与对比（随机森林、GBDT、XGBoost、LightGBM等）

集成学习方法随机森林、GBDT、XGBoost、LightGBM的使用与对比importwarningswarnings.filterwarnings("ignore")importpandasaspdfromsklearn.model_selectionimporttrain_test_split
Python数据挖掘·2022-12-23 19:49

python笔记

基础内容连接算法内容连接机器学习之adaboost代码实现https://blog.csdn.net/qq_37960402/article/details/88539253机器学习之集成学习1https
weixin_30466953·2022-12-23 11:57

决策树与随机森林

随机森林就是通过集成学习的思想将多棵树集成的一种算法，它的基本单元是决策树，而它的本质属于机器学习的一大分支——集成学习（EnsembleLearning）方法。
Fran OvO·2022-12-23 10:56

集成学习——LightGBM原理理解

LightGBM（LightGradientBoostingMachine）是梯度提升框架下的适用于大规模数据的又一boosting学习框架，它由微软亚洲研究院分布式机器学习工具包（DMTK）团队以及北大的一个学者在2017年NIPS大会上正式发表，并由微软提供开源。本篇博客是在精读了原始论文《LightGBM:AHighlyEfficientGradientBoostingDecisionTre
学吧学吧终成学霸·2022-12-22 22:25

SecXOps 关键技术 定义内涵

通过多个模型的对比，保存效果和性能较为优秀的模型，或者按照一定的集成学习策略，如Stacking、Bagging等，将多个简单模型进行集成，形成效果更优的模型。
maoguan121·2022-12-22 16:24

模型自动化生成

通过多个模型的对比，保存效果和性能较为优秀的模型，或者按照一定的集成学习策略，如Stacking、Bagging等，将多个简单模型进行集成，形成效果更优的模型。
m0_74079109·2022-12-22 16:54

SecXOps 关键技术

通过多个模型的对比，保存效果和性能较为优秀的模型，或者按照一定的集成学习策略，如Stacking、Bagging等，将多个简单模型进行集成，形成效果更优的模型。
securitypaper·2022-12-22 16:22

机器学习sklearn-随机森林

集成算法概述集成学习（ensemblelearning）是时下非常流行的机器学习算法，它本身不是一个单独的机器学习算法，而是通过在数据上构建多个模型，集成所有模型的建模结果。
Heiko_Lee·2022-12-22 13:55

计算机知识体系图谱总结

机器学习的算法总结：感知机决策树支持向量机集成学习Adaboost降维与度量学习聚类贝叶斯分类器构造条件概率：回归分析和统计分析高斯过程回归线性判别分析最近邻居法径向基函数核再生模型构造概率密度函数最大期望算法概率图模型贝叶斯网
月疯·2022-12-22 12:23
上一页 12 13 14 15 16 17 18 19 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他