集成学习

集成学习02_catboost参数介绍与实战

一.catboost模型参数介绍二.catboost实现三.网格搜索最优catboost模型#一.catboost模型参数介绍catboost参数分为通用参数，性能参数和默认参数三类，由于参数众多，很多参数不重要，只解释部分重要的参数，训练时需要重点考虑的。1.通用参数1.loss_function损失函数支持的有RMSE,Logloss,MAE,CrossEntropy,Quantile,Log
雪龙无敌·2022-11-20 06:22

常见深度学习模型集成方法

点击上方“计算机视觉工坊”，选择“星标”干货第一时间送达历届kaggle竞赛冠军的做法，或简单或复杂，其最后一步必然是集成学习，尽管现有的模型已经很强大了，但是集成学习往往能够起到锦上添花的作用。
Tom Hardy·2022-11-20 06:14

集成学习之常见六种模型融合具体方法详解

目录1.线性加权融合方法2.交叉融合法3.瀑布融合法4.多而不同之融合5.预测融合法6.加性融合集成学习好的文章参考本文包括常见的模型融合方法、代码链接、进阶的思路。
a flying bird·2022-11-20 06:42

【机器学习】信用卡欺诈检测 （下采样、SMOTE过采样、集成学习、Pytorch）

ipynb·myaijarvis/AI-码云-开源中国】数据处理【参考：机器学习/Kaggle/信用卡欺诈检测/Tommy/01方案1下采样.ipynb·myaijarvis/AI-码云-开源中国】下采样集成学习
myaijarvis·2022-11-20 06:03

集成学习精讲01 - SAP大神黄佳新作《零基础学机器学习》节选

球赛中，防守方的联防策略是非常有效的，几个队员彼此照应，随时协防、换位、补位，护送等，相互帮助，作为一个整体作战，而集成学习，就是机器学习里面的协同作战！
咖哥·2022-11-20 06:32

集成学习01_介绍

1.集成学习（EnsembleLearning)简介在机器学习的有监督学习算法中，我们的目标是学习出一个稳定的且在各个方面表现都较好的模型，但实际情况往往不这么理想，有时我们只能得到多个有缺陷，效果一般的模型
雪龙无敌·2022-11-20 06:31

学习记录628@python机器学习之集成学习方法

选择不同的模型，调节模型的各种参数，是最容易想到的方法，但当前业界采用更多的方法是集成学习方法。集成学习不是一种独立的机器学习算法，而是把彼此没有关联的机器学习“集成”起来，以取得更好的效果。
教练 我想学编程·2022-11-20 02:08

python集成学习算法_python大战机器学习——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。其工作流程为：1)先产生一组“个体学习器”。在分类问题中，个体学习器也称为基类分类器2)再使用某种策略将它们结合起来。
weixin_39662611·2022-11-20 02:35

使用sklearn进行集成学习——理论

系列《使用sklearn进行集成学习——理论》《使用sklearn进行集成学习——实践》目录1前言2集成学习是什么？3偏差和方差3.1模型的偏差和方差是什么？
weixin_30955341·2022-11-20 02:34

集成学习

2.集成学习目前分为串行序列化方法和并行化方法。3.结合策略分为平均法（简单平均法、加权平均法）、投票法（绝对多数投票法、相对多数投票法、加权投票法）、学习法（以Stacking为代表）。
白亿星星·2022-11-20 02:59

Python3入门机器学习之11.1什么是集成学习

Python3入门机器学习11.1什么是集成学习1.什么是集成学习？集成学习就是集成多个算法，让不同的算法对同一组数据进行分析得到结果，最终投票来看哪个结果是大家公认的更好的、更正确的结果。
_凡一·2022-11-20 02:57

python 集成学习

Bagging分类器组合：sklearn.ensemble.bagging.BaggingClassifierBagging回归器组合：sklearn.ensemble.bagging.BaggingRegressorAdaBoost分类器组合：sklearn.ensemble.AdaBoostClassifierAdaBoost回归器组合：sklearn.ensemble.AdaBoostReg
农夫左三拳·2022-11-20 02:50

Python浅试Bagging集成学习

文章目录前言一、Bagging的主要思想二、相关代码1.随机抽取采样集2.生成各个采样集的贝叶斯概率表3.对每个基分类器进行结果预测并集成效果前言集成学习（EnsembleLearning）是指用一系列分类
山隆木对·2022-11-20 02:50

集成学习（1）--Matlab/Python

集成学习理论Matlab代码分析Python代码分析=================================================集成学习（ensemblelearning）也通过构建并结合多个学习器来完成学习任务
ifruoxi·2022-11-20 02:17

机器学习笔记6：Python底层实现集成学习

集成学习就是组合这里的多个弱监督模型以期得到一个更好更全面的强监督模型。1、导入数据defread_xlsx(csv_path):data=pd.read_csv(csv_path)pr
全村最cool的仔·2022-11-20 02:16

集成学习软分类python实现

建立一个集成学习分类器，由于算法需要，其中每一个子分类器训练模型时使用了不同数据集，并引入权重，进行软分类。
_csdog·2022-11-20 02:42

集成学习方法简介：bagging、boosting、stacking

推荐博文：https://blog.csdn.net/zwqjoy/article/details/80431496一、集成学习集成学习是将若干个学习器(分类器、回归器)组合之后产生一个新的学习器。
玉米米的后花园·2022-11-19 22:20

第四章：决策树

男女富穷帅否性别身高否颜值否是否而当前决策树的主流应用场景是集成学习。2.划分选择通过上述例子我们可以看出，决策树中判别节点
偏不食肉糜·2022-11-19 22:43

集成学习【三】：Bagging结合神经网络及代码实现

集成学习：Bagging一、Bagging背景二、算法简介三、Bagging算法设计思路及Keras实现4.1新数据集的产生4.2训练多个分类器并保存4.3结合策略输出最终值4.4完整代码示例本篇继续介绍第二种集成方法
sinysama·2022-11-19 22:43

【集成学习】：bagging和boosting算法及对比

参考：bagging和boosting算法（集成学习算法）Bagging算法和Boosting区别和联系机器学习笔记-集成学习之Bagging，Boosting，随机森林三者特性对比目录1.集成学习2.
Mr_health·2022-11-19 22:42

基于随机森林算法完成鸢尾花卉品种预测任务 代码+数据

随机森林是一种运用了集成学习（ensemblelearning）的决策树分类器。随机森林是一种基于Bagging框架的模型融合算法，如图1.2所示。
数学是算法的灵魂·2022-11-19 21:18

机器学习——动手从决策树实现随机森林

本文始发于个人公众号：TechFlow，原创不易，求个关注今天是机器学习专题的第26篇文章，我们一起聊聊另外一个集成学习模型，它就是大名鼎鼎的随机森林。
TechFlow·2022-11-19 21:40

GBDT:梯度提升树算法

GBDT全称为gradientboostingdecisiontree，是一种基于决策树的集成学习算法。在Adaboost算法中，弱分类器的模型可以根据需要灵活选择，而GBDT则强制限定为决策树算法。
生信修炼手册·2022-11-19 17:50

机器学习目录

.机器学习概述机器学习简介机器学习、人工智能和数据挖掘典型机器学习应用领域机器学习算法机器学习一般流程2.机器学习的基本方法统计分析高位数据降维特征工程模型训练可视化分析3.决策树与分类算法决策树算法集成学习决策树应用
程序员技术入门搬运工·2022-11-19 16:41

集成学习（上）Task01：熟悉机器学习的主要任务

DataWhale集成学习（上）Task01：熟悉机器学习的主要任务1什么是机器学习2有监督学习导论2.1回归2.2分类这算是我第一次正式、系统学习【机器学习】和【集成学习】，言外之意我就是个小白（交通专业
等等党·2022-11-19 13:57

机器学习----XGBoost和lightGBM

XGBoostXGBoost（ExtremeGradientBoosting）全名叫极端梯度提升树，XGBoost是集成学习方法的王牌，在Kaggle数据挖掘比赛中，大部分获胜者用了XGBoost。
__Miracle__·2022-11-19 08:12

手把手带你学python—牛客网python 机器学习 信息熵的计算

主页推荐一款非常火的面试、刷题神器牛客网python基础觉得uu写的不错的话麻烦动动小手点赞收藏⭐评论今天给大家带来的刷题系列是：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
甜辣uu·2022-11-19 07:55

集成学习算法

5.1集成学习算法简介学习目标了解什么是集成学习了解集成学习中的boosting和bagging1什么是集成学习某投资方想投资一家公司A，但他还不知道它的业绩。
钰涵雨辰·2022-11-19 04:50

机器学习算法系列（十八）-随机森林算法（Random Forest Algorithm）

serocs.cn一、引言  前面一节我们学习了一种简单高效的算法——决策树学习算法（DecisionTreeLearningAlgorithm），下面来介绍一种基于决策树的集成学习1算法——随机森林算法
Saisimonzs·2022-11-19 01:10

【机器学习】机器学习知识点全面总结（监督学习+无监督学习）

机器学习知识点全面总结一、监督学习1.1单模型1.1.1线性回归1.1.2逻辑回归1.1.3Lasso1.1.4K近邻(KNN)1.1.5决策树1.1.6bp神经网络1.1.7支持向量机(SVM)1.1.8朴素贝叶斯1.2集成学习
旅途中的宽~·2022-11-17 11:53

集成学习与随机森林

1、集成学习概念集成学习(ensemblelearning)是一类机器学习框架，通过构建并结合多个学习器来完成学习任务。一般结构是：先产生一组“个体学习器”，再用某种策略将它们结合起来。
周虽旧邦其命维新·2022-11-16 15:38

机器学习——模型评估，选择与验证

文章目录机器学习——模型评估，选择与验证训练集与测试集为什么要有训练集与测试集如何划分训练集与测试集欠拟合与过拟合欠拟合过拟合偏差与方差模型误差来源偏差与方差验证集与交叉验证为什么需要验证集k折交叉验证集成学习自助法衡量回归的性能指标
宓海·2022-11-15 14:09

机器学习-分类-线性分类器

解决分类问题基本的方法有：线性分类器、决策树、朴素贝叶斯、人工神经网络、K近邻（KNN）、支持向量机（SVM）；组合基本分类器的集成学习算法：随机森林、Adaboost、Xgboost等。
Caspian�·2022-11-15 09:36

机器学习——集成学习综述

机器学习——集成学习综述1、集成学习概述1.1基本概念集成学习是机器学习中一个非常重要的学习策略。
隔壁的NLP小哥·2022-11-15 09:54

基于python的随机森林回归实现_基于Scikit-Learn机器学习库的随机森林模型优化调参流程...

随机森林是一个由众多决策树构建的集成学习算法模型。随机森林模型的介绍，百度搜索，会出现一大堆，这里不再赘述。
weixin_39869043·2022-11-13 11:11

机器学习笔记 - sklearn随机森林（集成学习）（kaggle 实战 Space Titanic 入门）

随机森林简介随机森林是通过集成学习的思想将多棵决策树集成起来的一种算法，以期获得更准确和更稳定的预测能力。随机森林的基本单元是决策树。
峰不二子的小迷弟·2022-11-13 11:31

集成学习-bagging算法

目录集成学习概念集成学习算法bagging算法bagging算法的使用实现集成学习概念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。
xiaoming1999·2022-11-13 11:53

样本不均衡 & Weighted cross entropy and Focal loss

样本不均衡解决办法1.1数据样本1.1.1欠采样、过采样1.1.2数据增强1.2目标（损失）函数1.2.1classweight1.2.2OHEM1.2.3Focalloss1.3模型算法1.3.1采样+集成学习
条件漫步·2022-11-12 04:31

【机器学习】随机森林、GBDT、XGBoost、LightGBM等集成学习常用代码汇总

本文来总结一下机器学习中的集成学习常用代码，喜欢可以收藏、点赞。
Python数据开发·2022-11-11 08:11

随机森林 – Random forest

随机森林属于集成学习中的Bagging（BootstrapAGgregati
地理探险家·2022-11-10 14:55

暑期组队学习！

Datawhale学习开源贡献：Datawhale团队漫漫夏日，不如一起聚众学习暑假特辑开源教程如下：(1)机器学习：吃瓜教程(2)深度学习：李宏毅机器学习(3)精品入门课：动手学数据分析(4)精品入门课：集成学习
Datawhale·2022-11-10 10:17

三月组队学习计划！

Datawhale每日干货&每月组队学习，不错过Datawhale学习开源贡献：Datawhale团队这是今年三月份的组队学习（每月第2周周六组织），这次学习于3月13日报名，内容如下：(1)数据挖掘项目实践(2)集成学习
Datawhale·2022-11-10 10:47

随机森林算法

随机森林的随机性体现的方面1.3随机森林的重要作用1.4随机森林的构建过程1.5随机森林的优缺点2.随机森林参数描述3.分类随机森林的代码实现1.1定义随机森林是一种有监督学习算法，是以决策树为基学习器的集成学习算法
荼靡，·2022-11-08 17:36

机器学习-集成学习-梯度提升决策树（GBDT）

目录1.GBDT算法的过程1.1Boosting思想1.2GBDT原理需要多少颗树2.梯度提升和梯度下降的区别和联系是什么？3.GBDT的优点和局限性有哪些？3.1优点3.2局限性4.RF(随机森林)与GBDT之间的区别与联系5.GBDT与XGBoost之间的区别与联系6.代码实现1.GBDT算法的过程GBDT(GradientBoostingDecisionTree)，全名叫梯度提升决策树，或G
毛飞龙·2022-11-08 09:17

【推荐收藏】你应该知道的 LightGBM 各种操作

LightGBM是基于XGBoost的一款可以快速并行的树模型框架，内部集成了多种集成学习思路，在代码实现上对XGBoost的节点划分进行了改进，内存占用更低训练速度更快。
Python数据开发·2022-11-07 08:47

集成学习——先自己看视频了解集成学习的框架。全部将其完成。

集成学习顾名思义，机器学习是指将多个学习器进行有效的结合，组建一个学习器委员会，其中每个学习器担任委员会成员并进行投票表决权，使得委员会更能最后决定更能够四方造福普渡众生，即泛化性能要优于其中任何一个学习器
big_matster·2022-11-07 08:46

深度学习论文笔记（知识蒸馏）——Distilling the Knowledge in a Neural Network

文章目录主要工作motivationmethod实验主要工作提出一种知识蒸馏的方法，可以压缩模型，让小模型达到与集成亦或是大型模型相似的性能提出一种新的集成学习方法，可以让模型训练速度更快，并且是并行训练本文只总结第一点
菜到怀疑人生·2022-11-07 08:42

人工智能基础 | 机器学习算法基础篇（三）

近邻算法定义通过案例认识k-近邻使用sk-learn实现k-近邻案例距离度量曼哈顿距离切比雪夫距离闵可夫斯基距离标准化欧氏距离余弦距离汉明距离杰卡德距离马氏距离k值（邻居数）的选择KD树六、梯度下降七、集成学习八
lijiamin-·2022-11-07 08:08

机器学习中的集成学习模型实战完整讲解

2019-12-0313:50:23集成学习模型实践讲解——沂水寒城无论是在机器学习领域还是深度学习领域里面，通过模型的集成来提升整体模型的性能是一件非常有效的事情，当前我们所接触到的比较成熟的四大集成框架主要包括
喜欢打酱油的老鸟·2022-11-06 12:06

机器学习实战—集成学习

文章目录一.简介1.1集成学习1.2随机森林二.集成学习—投票分类器2.1概念2.2代码实现三.集成学习—bagging和pasting3.1简介3.2Scikit-Learn中使用bagging和pasting3.3
jakiechaipush·2022-11-06 12:05
上一页 18 19 20 21 22 23 24 25 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他