集成学习

ML《集成学习（三）Boosting和Adaboosting回归树》

上一篇博文我们学习了adaboosting算法用于分类树的算法，今天想把adaboosting算法用于回归树的算法也补充下：这里我们学习的是adaboostingR2算法：存在样本集D={(x1,y1),(x2,y2),(x3,y3),…,(xN,yN)}迭代次数是T，也就是存在T个弱学习器，样本个数是N。整体还是和adaboosting做分类树的过程是一样的，都是给每个样本一个权重，一次迭代后，
星海千寻·2021-01-04 02:17

ML《集成学习（二）Boosting之Adaboosting》

一：集成学习集成学习通过构建并结合多个学习器来完成学习任务，有时也被称为多分类器系统、基于委员会的学习等。
星海千寻·2021-01-03 02:31

深度学习入门：深度学习

深度学习进一步提高识别精度集成学习，学习率衰减，数据扩充DataAugmentation基于算法“人为地”扩充输入图像。对于输入图像，通过施加旋转、垂直或水平方向上的移动等微小变化。
evil心安·2021-01-02 22:18

ML《决策树（四）Bagging 和 Random Forest》

今天一起来学习集成学习，其中的Bagging和随机森林（RandomForest）。一：bootstrap二：Bagging三：随机森林（RandomForest）
星海千寻·2021-01-02 03:01

机器学习笔记（六）Boosting集成学习算法Adaboost和GBDT

一、前言在前一篇文章中我们介绍了集成学习算法中的Bagging模型，本篇文章将继续介绍集成学习算法中的另一个代表性算法Boosting模型。
二加三等于五·2020-12-23 09:01

Bagging、Boosting集成学习代码

Bootstrapaggregating,calledsimplybagging,isverypopulartechniqueusedinensembleofpredictors.Ithelpstoincreasetheaccuracyofpredictionresultandatthesametimealsoreducesvarianceandallowstoavoidoverfitting.I
yddcs·2020-12-21 14:47

第八届“泰迪杯”数据挖掘挑战赛C题“泰迪杯”奖论文（基于卷积神经网络及集成学习的网络问政平台留言文本挖掘与分析）

目录第一章引言1.1挖掘背景1.2挖掘意义1.3问题描述第二章群众留言分类2.1数据准备2.1.1数据描述2.1.2数据预处理2.2特征提取2.3建立模型2.3.1卷积神经网络2.3.2模型设计2.3.3模型效果评价第三章热点问题挖掘3.1数据准备3.1.1数据描述3.1.2数据预处理3.2提取热点问题3.2.1文本去噪3.2.2话题聚类3.2.3提取热点3.3热度度量3.3.1异常时间识别3.3
weixin_47922824·2020-12-21 11:07

ApacheCN 深度学习译文集 20201218 更新

新增了四个教程：Python人工智能中文版0前言1人工智能简介2人工智能的基本用例3机器学习管道4特征选择和特征工程5使用监督学习的分类和回归6集成学习的预测分析7通过无监督学习检测模式8构建推荐系统9
布客飞龙·2020-12-21 11:54

《机器学习实战——基于Scikit-Learn和TensorFlow》学习笔记

TensorFlow》学习笔记文章目录《机器学习实战——基于Scikit-Learn和TensorFlow》学习笔记写在前面1.机器学习概览2.端到端的机器学习项目3.分类4.训练模型5.支持向量机6.决策树7.集成学习和随机森林
李英俊小朋友·2020-12-18 16:36

最详细的Catboost参数详解与实例应用

集成学习的两大准则：基学习器的准确性和多样性。算法：串行的Boosting和并行的Bagging,前者通过错判训练样本重新赋权来重复训练，来提高基学习器的准确性，降低偏差！
代码届的小白·2020-12-16 12:22

支持向量机SVM（1）线性可分支持向量机、拉格朗日乘子法、KKT条件、SMO

支持向量机（SVM，SupportVecorMachine）是一种二分类算法，在集成学习和深度学习火起来之前支持向量机的使用非常广泛，其分类效果好、适用性广（线性、非线性都可用），功能真的是很棒棒，下来我们就来梳理一下支持向量机的原理
蛋仔鱼丸·2020-12-16 08:52

python 随机森林调参_Python机器学习实践：随机森林算法训练及调参-附代码

来源|博客园作者|战争热诚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。
weixin_39980596·2020-12-11 11:54

sklearn随机森林_随机森林在sklearn中的实现

你的版本至少要3.4以上Scikit-learn0.20.0（你的版本至少要0.19Numpy1.15.3,Pandas0.23.4,Matplotlib3.0.1,SciPy1.1.01概述1.1集成算法概述集成学习
weixin_39759270·2020-12-08 18:48

百面机器学习（一）:LightGBM、xgboost和GBDT的区别（百度）（a）——集成学习详解

目录1.引子2.集成学习的概念3.集成学习的特点4.集成学习的分类5.同质学习6.集成学习举例与评估7.集成学习框架8.下篇预告9.参考链接1.引子这是一个全新的专题——百面机器学习，主要针对牛客网、某乎
南上加南·2020-12-06 12:18

常见集成学习算法模型&LightGBM示例

集成学习——介绍在集成学习中，我们会训练多个模型（通常称为弱学习器）解决相同的问题，并将它们结合起来以获得更好的结果。最重要的假设是：当弱模型被正确组合时，我们可以得到更精确和/或更鲁棒的模型。
跌跌撞撞进大坑·2020-12-06 00:51

集成学习精讲之Stacking和Blending（附源代码）

Stacking/Blending这两种集成学习方法的特点，一句话概括，就是以预测结果作为新特征进行训练。
咖哥·2020-12-05 15:20

机器学习笔试题汇总

文章目录树特征工程样本处理K近邻聚类深度学习分类距离、相似度指标性能评价HMM数学树1、在以下集成学习模型的调参中，哪个算法没有用到学习率learningrate？
BlackEyes_SGC·2020-11-25 21:19

[机器学习] 集成学习

集成学习集成学习(ensemblelearning)通过构建并结合多学习器来完成学习任务，常可获得比单一学习器显著优越的泛化性能要获得好的集成，个体学习器应好而不同，即个体学习器要有一定的准确性，并且要有多样性
NULL·2020-11-18 00:18

集成学习（5）boosting代表——XGBoost

XGBoost（eXtremeGradientBoosting）中文名叫极端梯度提升，可以看出它是一种gradientboosting算法，事实上，XGBoost是GBDT的一种高效实现，并对GBDT做了一定的改进和优化，所以咱们最好结合着上一篇讲过的GBDT来理解XGBoost。1XGBoost原理我们先来捋一遍XGBoost的原理及实现，首先，XGBoost和GBDT的基本思想都是一样的，通过
蛋仔鱼丸·2020-11-13 16:00

python算法详解pdf-Python机器学习算法 PDF 原书扫描版

内容介绍读者评价书还可以，对机器学习的解释比较到位，速度也很快这本书采用python3对决策树、集成学习、SVM和神经网络做了一个i详细的讲解和编程的实现。我觉得这本书比较好的
weixin_39945475·2020-11-11 15:52

机器学习笔记之随机森林(Random Forests)

如果模型之间近似相互独立，那么多个模型联合的性能要优于单个模型的例如;假设一个分类器以55%概率给出正确结果（对于二分类应该是相当差了），如果拥有100个这样的分类器，那么正确概率可以上升到82%2.集成学习方法是由两层算法组成的层次架构
六月辉雪·2020-11-07 17:13

集成学习（4）boosting代表——gradient boosting与GBDT

1从boosting到gradientboosting（1）原理从上一篇集成学习（3）boosting代表——Adaboost中我们从加法模型和前向分步算法的角度解释了Adaboost，可以说提升方法是一种利用加法模型与前向分歩算法实现学习的优化过程
蛋仔鱼丸·2020-11-03 15:20

用Python实现随机森林回归

1.1随机森林概述随机森林是一种基于集成学习的监督式机器学习算法。集成学习是一种学
吕小猪不坏·2020-11-02 13:38

面试题汇总2（吐血整理）

2021届校招算法岗知识点总结：机器学习基础统计学习方法（LR，SVM，EM，最大篇，集成学习等），值得反复看好几遍，每一遍都会加深理解；尤其是学习理论：贝叶斯决策理论/假设空间概念/经验风险，结构风险
一种tang两种味·2020-10-18 20:32

《机器学习》（西瓜书）读书笔记（零）

全书共16章，大体分为三部分：1.机器学习基础知识第1章绪论第2章模型评估与选择第3章线性模型2.一些经典而常用的机器学习方法第4章决策树第5章神经网络第6章支持向量机第7章贝叶斯分类器第8章集成学习第
吃饱睡好长高高·2020-10-08 11:41

机器学习读书笔记：集成学习

文章目录集成学习AdaBoost代码Bagging与随机森林Bagging随机森林(RandomForest)结合策略增加多样性的策略多样性度量集成学习之前已经讲过了好几个学习算法，或者说分类器、模型。
新兴IT民工·2020-10-06 20:23

机器学习笔记(八)集成学习

8.集成学习8.1个体与集成集成学习（ansemblelearning）通过构建并结合多个学习器来完成学习任务，也称为多分类器系统（multi-classifiersystem）、基于委员会的学习（committee-basedlearning
fjssharpsword·2020-09-17 11:32

我的XGBoost学习经历及动手实践

每月组队学习，不错过Datawhale干货作者：李祖贤深圳大学，Datawhale高校群成员知乎地址：http://www.zhihu.com/people/meng-di-76-92我今天主要介绍机器学习集成学习方法中三巨头之一的
Datawhale·2020-09-17 10:59

神经网络中的Dropout

集成学习！：多个模型单独进行学习，
我是小杨我就这样·2020-09-17 04:02

[机器学习]集成学习--bagging、boosting、stacking

集成学习简介集成学习（ensemblelearning）通过构建并结合多个学习器来完成学习任务。如何产生“好而不同”的个体学习器，是集成学习研究的核心。
曾先森~~·2020-09-17 00:39

个人总结：从随机森林(Bagging)到AdaBoost

谈到bagging，就不得不联想到集成学习的另外一种方式，boosting。
yyhhlancelot·2020-09-17 00:46

机器学习--集成学习（Ensemble Learning）

一、集成学习介绍：我们在训练模型中，目标是学习出一个稳定的且各个方面表现都较好的模型，但实际情况往往不理想，很多时候只能得到多个有偏好的模型（弱分类器，在某些方面表现的比较好）。
糖猫~~·2020-09-17 00:22

集成学习—bagging方法之随机森林

集成学习：也叫多分类器系统，通过构建并结合多个学习器来完成学习任务。目前集成学习的方法大致可分为两大类，即个体学习器间存在强依赖关系必须串行生成序列化方式，代表算法：Boosting。
ai芒果·2020-09-17 00:17

集成学习voting Classifier在sklearn中的实现

那么此时，我们完全可以把多种算法集中起来，让不同算法对同一种问题都进行预测，最终少数服从多数，这就是集成学习的思路。其实在我们的生活中，也经常会用到集成学习的思路。
Destiny_blue·2020-09-17 00:45

机器学习：GBDT,RF,XGBoost学习总结

除了svm，其他几个都属于集成学习的，所以在这之前，先了解下集成学习。
君子慎独_诚意·2020-09-17 00:39

【集成学习】Bagging与随机森林算法原理小结

原文地址：http://www.cnblogs.com/pinard/p/6156009.html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
sun_shengyun·2020-09-16 23:02

【机器学习】集成学习ensemble之随机森林

BootstrappingBootstrapping从字面意思翻译是拔靴法，从其内容翻译又叫自助法，是一种再抽样的统计方法。自助法的名称来源于英文短语“topulloneselfupbyone’sbootstrap”，表示完成一件不能自然完成的事情。1977年美国Standford大学统计学教授Efron提出了一种新的增广样本的统计方法，就是Bootstrap方法，为解决小子样试验评估问题提供了很
zhaosarsa·2020-09-16 23:10

机器学习算法（13）之bagging与随机森林算法

前言：在集成学习算法中，我们讲到了集成学习主要有两个流派，一个是boosting流派，它的特点是各个弱学习器之间有依赖关系。
且行且安~·2020-09-16 23:24

【机器学习】深入剖析梯度提升决策树(GBDT)分类与回归

上一篇博客【机器学习】集成学习——Boosting与AdaBoost原理详
齐在·2020-09-16 23:11

机器学习算法之bagging与随机森林算法

前言：在集成学习算法中，我们讲到了集成学习主要有两个流派，一个是boosting流派，它的特点是各个弱学习器之间有依赖关系。
慢慢攀爬的蜗牛·2020-09-16 23:58

机器学习系列（6）——集成学习方法与随机森林

本文介绍集成学习方法和随机森林算法，以及随机森林在sklearn中的实现。
陌简宁·2020-09-16 23:27

集成学习

目录集成学习偏差与方差BaggingBoostingStacking抄袭/参考资料台湾大学《机器学习技法》视频使用sklearn进行集成学习——理论机器学习-组合算法总结深入浅出ML之Boosting家族集成学习集成框架特点优点实现
aiqituo9030·2020-09-16 22:55

机器学习(24)之Bagging与随机森林

微信公众号关键字全网搜索最新排名【机器学习算法】：排名第一【机器学习】：排名第一【Python】：排名第三【算法】：排名第四前言在（机器学习(17)之集成学习原理总结）中，我们谈到了集成学习有两个流派，
机器学习算法与Python学习·2020-09-16 22:08

机器学习之Bagging 与 随机森林算法

在集成学习里面，有两种流派，一个是boosting流派，它的特点是对于各个学习器之间有着相互依赖的关系（比如说在某一次算法结束后，分类错误的样本会增大比例，以引起下一次的训练时候的关注度），另一种是bagging
Glory_g·2020-09-16 22:20

机器学习之集成学习(Ensemble Learning )②——随机森林（ Random Forest）

文章目录随机森林的概念样本随机和特征随机随机森林的训练伪代码随机森林的结合策略特征选择的思考代码实现随机森林超参数(RandomForestClassifier)随机森林的概念介绍集成学习——Bagging
门前大橋下丶·2020-09-16 22:04

【机器学习】：sklearn中的投票法

目录硬投票软投票正文投票法（voting）是集成学习里面针对分类问题的一种结合策略。基本思想是选择所有机器学习算法当中输出最多的那个类。
rocling·2020-09-16 22:24

【机器学习】集成学习

【集成学习】集成学习就是通过构建并整合多棵分类树来完成分类任务。
CC‘s World·2020-09-16 22:15

周志华：最新实验表明gcForest已经是最好的非深度神经网络方法

北京时间11月5日到11月6日，西瓜书《机器学习》作者、南京大学机器学习与数据挖掘研究所（LAMDA）周志华教授日前在MLA2017上的演讲：深度森林初探——讲述的关于他最新集成学习研究成果-深度森林，
人工智能学家·2020-09-16 22:02

Python——随机森林原理

随机森林（RandomForest）算法原理1.随机森林原理、决策树、集成学习决策树决策树（decisiontree）是一个树结构（可以是二叉树或非二叉树）。
lili_wuwu·2020-09-16 18:10

集成学习Boosting家族之Adaboost & GBDT & xgBoost

集成学习通过构建多个“好而不同”的弱学习器（基学习器）来共同完成学习任务，可以用于分类、回归等机器学习任务。
机智的可达鸭·2020-09-16 09:36
上一页 27 28 29 30 31 32 33 34 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他