集成学习

机器学习算法基础问题(二)类别不均|尺寸及感受野|Batch Norm|损失函数

相关文章：机器学习算法基础问题(一)PCA|SVM|贝叶斯|过拟合机器学习算法基础问题(二)类别不均|尺寸及感受野|BatchNorm|损失函数机器学习算法基础问题(三)集成学习|adaboost与XGboost
祥瑞Coding·2020-08-24 17:53

机器学习算法基础问题(一)PCA|SVM|贝叶斯|决策树

相关文章：机器学习算法基础问题(一)PCA|SVM|贝叶斯|过拟合机器学习算法基础问题(二)类别不均|尺寸及感受野|BatchNorm|损失函数机器学习算法基础问题(三)集成学习|adaboost与XGboost
祥瑞Coding·2020-08-24 17:51

集成学习,xgboost.plot_importance 特征重要性（示例）

文章目录集成学习,xgboost.plot_importance特征重要性源代码集成学习,xgboost.plot_importance特征重要性源代码#-*-coding:utf-8-*-#/usr/
缠禅可禅·2020-08-24 17:35

第十六天 黑马十次方 Dockerfile、Gogs、Jenkins

第9章-微服务容器部署与持续集成学习目标**理解Dockerfile的作用，能编写简单的Dockerfile脚本完成镜像的构建完成Docker私有仓库的构建，能够运用Maven插件完成镜像的创建与上传理解持续集成
qq_17023977·2020-08-24 15:51

深入理解XGBoost

目标函数推导目标函数的基本形式模型对于某个样本的预测值：fkf_{k}fk是基学习器，最终模型是多个基学习器最初的目标函数可以写成y^i(t−1)\hat{y}_{i}^{(t-1)}y^i(t−1)：是前t-1个集成学习器对样本的预测值
很吵请安青争·2020-08-24 14:16

LightGBM详解

它延续了XGBoost的那一套集成学习的方式，相对于xgboost
zhong_ddbb·2020-08-24 05:32

基于机器学习PAI的客户流失预警分析

本课程讲解了客户流失的分析方法、流程，同时详细介绍了机器学习中常用的分类算法、集成学习模型等通用技能，并使用阿里云机器学习PAI实现流失预警分析。可以帮助企业快速、准确识别流失客户，辅助制定策略
阿里云大学百科·2020-08-24 03:45

6.0 —随机森林原理（RF）和集成学习（Bagging和Pasting）

我们这边先介绍集成学习什么是集成学习我们已经学习了很多机器学习的算法。
LHboboo·2020-08-24 03:51

这就是卷积神经网络

3、集成学习、学习率衰减、DataAugmentation（数据扩充）等都有助于提高识
九三四五·2020-08-24 02:45

决策树(Decision Tree)

决策树最近要学习的东西很多，今天看了决策树和集成学习。感觉内容不是很复杂，其中决策树的内容我在信息论课上也学过。所以来写篇博客记录一下。
Code_Tookie·2020-08-23 23:13

AI公开课丨李楠博士带你入门集成学习（第二期）

集成学习方法，一直是整个机器学习领域的「常青树」，受到学界与业界的广泛关注。随着南京大学周志华教授的专著《集成学习：基础与算法》中文版上市，让我们能够有机会系统的学习这一经典的机器学习方法。
博文视点·2020-08-23 22:06

实验室作业5.5-决策树

它既可以作为分类算法，也可以作为回归算法，同时也特别适合集成学习比如随机森林。
thisIsJennifer·2020-08-23 11:47

周志华Boosting25年（一)

Boosting25年地址：https://www.bilibili.com/video/av28102016导言：集成学习Ensemblelearning：多个学习器解决问题。
xiaomlu·2020-08-23 08:58

集成学习（Boosting,Bagging和随机森林）

今天看了一下集成学习部分，把相关知识点总结了一下。这个是无公式版，想看公式的话，请看《机器学习》--周志华这本书。通过结合多个学习器完成学习任务，也叫“多分类器系统”、“基于委员会的学习”等。
combatants19·2020-08-23 07:16

集成学习方法(未完待续)

1.集成学习简单说，就是通过适当的方式集成许多“个体”模型所得到的最终模型要比单独的“单独模型”的性能更优2.深度学习中的集成方法2.1DropoutDropout可以作为训练深度神经网络的一种技巧。
Kolo_Tong·2020-08-23 06:08

机器学习----集成学习（Boosting）

Boosting是一族可将弱学习器提升为强学习器的算法。这族算法的工作机制类似：先从初始训练集训练出一个基学习器，再根据基学习器的表现对训练样本分布进行调整，使得先前基学习器做错的样本在后面受到更多关注。AdaBoost一直觉得AdaBoost这个名字起得好呀，全拼是AdaptiveBoosting；adaptive是适应的，适合额意思。但是世界上第一个程序媛不也叫Ada嘛~haha~扯远了。我们
这题我会啊·2020-08-23 05:20

一文读懂集成学习

一文读懂集成学习（附学习资源）关注集成算法（EnsembleAlgorithms）综述严格意义上来说，这不算是一种机器学习算法，而更像是一种优化手段或者策略，它通常是结合多个简单的弱机器学习算法，去做更可靠的决策
ruiyiin·2020-08-23 02:29

ML复习大纲

：小型计算考点：大型计算考点：一、线性降维：二、非线性降维：三、特征选择：决策树knn性质文本分类有哪些方法多分类的方法交叉验证，误差计算梯度下降算法的理解bp神经网络训练集，测试集的划分常用划分方法集成学习的特点
zzzfeiyu·2020-08-23 00:07

python分类分析--随机森林原理及案例

随机森林1、什么是集成学习方法集成学习通过建立几个板型组合的来解决单一预测问题，它的工作原理是生成多个分类器/模型，各独立地学习和作出预测。
Jalen data analysis·2020-08-22 23:43

Bagging与随机森林(RF)算法原理总结

Bagging与随机森林算法原理总结在集成学习原理小结中，我们学习到了两个流派，一个是Boosting，它的特点是各个弱学习器之间存在依赖和关系，另一个是Bagging，它的特点是各个弱学习器之间没有依赖关系
Litra·2020-08-22 16:00

机器学习笔记(十二)——集成学习方法之AdaBoost

集成学习方法本文参考于《机器学习实战》和《机器学习》在此之前一共介绍了五种分类算法，分别为KNN、决策树、朴素贝叶斯、逻辑回归、支持向量机，可以看到每一种算法都有各自的优缺点，以及适合的数据集。
奶糖猫·2020-08-22 14:10

阿里天池新人赛——二手车交易价格预测（赛题理解）

使用集成学习算法Xgboost、LightGBM构建一个baseline。预测指标此次赛题的评价指标为MAE(MeanAbsoluteError):MAE=∑i=1n∣yi−yi^∣nMAE=\fr
大墅哥哥·2020-08-22 14:19

零基础入门CV赛事 Task5：模型集成

目录5.1学习目标5.2集成学习方法5.3深度学习中的集成学习5.3.1Dropout5.3.2TTA5.3.3Snapshot5.4结果后处理5.5小结5.1学习目标学习集成学习方法以及交叉验证情况下的模型集成
冰淇淋lining·2020-08-22 13:07

推荐 ：机器学习集成学习与模型融合！

Datawhale干货作者：李祖贤，深圳大学，Datawhale高校群成员对比过kaggle比赛上面的top10的模型，除了深度学习以外的模型基本上都是集成学习的产物。
数据分析v·2020-08-22 12:14

【福利】周志华教授专著《集成学习：基础与算法》上市，豆瓣满分森林书破解AI实践难题...

但是，在此历程中，通过构建并结合多个学习器来完成学习任务的集成学习方法，始终是提升学习效果的重要手段，成为机器学习领域的“常青树”，受到学术界和产业界的广泛关注。
算法与数学之美·2020-08-22 11:53

读书笔记-《机器学习》第八章：集成学习

第八章集成学习集成学习，通过构建并结合多个学习器来完成学习任务集成学习的一般结构：先产生一组“个体学习器”，再用某种策略将它们结合起来要获得好的集成，个体学习器应好而不同，即个体学习器要有一定的“准确性
dt_lizhen·2020-08-22 10:08

周志华机器学习读后总结 第八、九章

集成学习什么是集成学习集成学习的结构是先产生一组个体学习器，再用某种策略将他们结合起来，它通过构建并结合多个学习器来完成学习任务。
漠北墨杯·2020-08-22 01:40

《Python3玩转机器学习》第一章 导学部分

1、机器学习算法：kNN、线性回归、多项式回归、逻辑回归、模型正则化、PCASVM、决策树、随机森林、集成学习、模型选择、模型调试2、成体系地系统介绍机器学习算法深入理解算法基本原理实际使用算法解决真实场景的问题对不同算法进行对比试验对同一算法的不同参数进行对比试验对部分算法底层编写
Annfan123·2020-08-22 00:13

经典集成学习算法和部分python实现

BoostingBoosting的大概思想是先从初始训练集中训练出一个基学习器，再根据这个基学习器对训练集的判断重新调整训练集，让当前分类器判断错误的样本在后续学习中受到更高的关注，如此不断迭代，直到生成目标数目的基学习器，然后根据权重相加，获得一个强学习器。如下图所示的流程（上图来自https://blog.csdn.net/willduan1/article/details/73618677）
无聊的六婆·2020-08-21 23:53

集成学习聚类算法DBSCAN密度聚类算法详解和可视化调参

DBSCAN（Density-BasedSpatialClusteringofApplicationswithNoise，具有噪声的基于密度的聚类方法）是一种很典型的密度聚类算法，和只适用于凸样本集的K-Means聚类相比，DBSCAN既可以适用于凸样本集，也可以适用于非凸样本集。DBSCAN一般假定类别可以通过样本分布的紧密程度决定。同一类别的样本，他们之间的紧密相连的，也就是说，在该类别任意样
statr·2020-08-21 22:39

机器不学习：一种提升预测能力的方法-机器学习模型

这是一种非常有效的提升手段，在多分类器系统(multi-classifiersystem)和集成学习(ensemblelearning)中，融合都是最
weixin_30591551·2020-08-21 22:47

python机器学习——集成学习（分类）及“泰坦尼克号沉船事故”数据集案例操作

集成学习（分类）及具体案例操作一、集成学习（EnsembleLearning）算法（1）集成学习简介（2）集成建模中的误差（方差vs偏置）（3）常用的集成学习技术：（4）随机森林（5）梯度提升决策树（GradientTreeBoosting
曹文杰1519030112·2020-08-21 20:55

随机森林如何评估特征重要性

序集成学习模型的一大特点是可以输出特征重要性，特征重要性能够在一定程度上辅助我们对特征进行筛选，从而使得模型的鲁棒性更好。
0过把火0·2020-08-21 12:24

AdaBoost数学原理

集成学习AdaBoost原理小结——刘建平————————————————————————————————————简介关于集成学习中的boosting和bagging我就不多说了，都是将弱学习器通过不同的集成方法变成强学习器的过程
了不起的赵队·2020-08-21 12:02

AdaBoost与指数损失

文章目录集成学习综述AdaBoostAdaBoost理论推导实例Reference集成学习综述将多个不同算法、同一算法不同参数或不同数据集的弱模型组合为强模型.以加性模型表示为H(x;Θ)=∑τατh(
十里清风·2020-08-21 10:22

Adaboost

Adaboost是集成学习中最常用的算法之一。该算法是损失函数为指数损失的前向分步加法模型。下面是这一结论的证明过程。
march_on·2020-08-21 09:03

集成学习-Adaboost

Author:鲁力;Email:[email protected]算法简介集成学习（ensemblelearning）通过构建并结合多个学习器（learner
Datawhale·2020-08-21 08:19

AdaBoost学习-算法步骤

Boosting称为提升，是集成学习(EnsembleLearning)中的一种重要方法，集成学习中一类是以随机森林(RF)为代表的各学习器并行生成的Bagging，一种是以AdaBoost为代表的各学习器串行生成的
魏晋小子·2020-08-21 08:10

集成方法原理总结

集成学习集成方法的目标是把多个使用给定学习算法构建的基估计器的预测结果结合起来，从而获得比单个估计器更好的泛化能力/鲁棒性。
小朱小朱绝不服输·2020-08-21 06:00

随机森林RF原理总结

在集成学习原理中知道，集成学习分为两部分Bagging和Boosting。随机森林RF作为Bagging方法的典型例子，以其并行训练的优点在如今处理数据问题上广受欢迎。
小朱小朱绝不服输·2020-08-21 06:00

【小白学AI】随机森林 全解 （从bagging到variance）

随机森林(RandomForest)就是通过集成学习的思想将多棵决策树集成的一种算法。基本单元是决策树。随机森林算法的提出也是为了改善决策树容易存在过拟合
机器学习炼丹术·2020-08-20 17:53

【小白学AI】随机森林 全解 （从bagging到variance）

随机森林(RandomForest)就是通过集成学习的思想将多棵决策树集成的一种算法。基本单元是决策树。随机森林算法的提出也是为了改善决策树容易存在过拟合
机器学习炼丹术·2020-08-20 17:52

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
CDA·数据分析师·2020-08-20 04:14

正则化手段：Dropout【转载】

它借用了集成学习的思想，近似实现了同时训练大量网络结构，并通过集成得出预测结果的功能。由于含有集成环节，Dropout可以有效地避免过拟合。
只为此心无垠·2020-08-20 04:09

随机森林 sklearn实现

一简介随机森林是一种比较有名的集成学习方法，属于集成学习算法中弱学习器之间不存在依赖的一部分，其因为这个优点可以并行化运行，因此随机森林在一些大赛中往往是首要选择的模型。
求知者_123·2020-08-20 03:05

学习（三）决策树/集成学习

一、决策树1、决策树就是一个类似流程图的树型结构，其中树的每个内部结点代表对一个属性（取值）的测试，其分支就代表测试的每个结果；而树的每个叶结点就代表一个类别。树的最高层结点就是根结点。2、方法缺点：1)对连续性的字段比较难预测。2)对有时间顺序的数据，需要很多预处理的工作。3)当类别太多时，错误可能就会增加的比较快。4)一般的算法分类的时候，只是根据一个字段来分类。3、4、基尼值越小，纯度越大。
lvsijiaanan·2020-08-20 00:15

# 数据分析常用算法

随机森林如何评估特征重要性（重要）傅里叶（理解）交叉验证集成学习交叉验证与网格搜索标准化与归一化的区别数据分析常用算法SVM、LR、决策树的对比？（经常问）模型复杂度：SVM支持核函数
weixin_33985507·2020-08-19 21:19

机器学习中集成学习方法的总结

集成学习(又称模型融合)就是结合若干个体分类器(基学习器)进行综合预测，各个个体学习器通常是弱学习器。集成学习相较于个体学习在预测准确率以及稳定性上都有很大的提高。
slx_share·2020-08-19 20:17

周志华教授力作，豆瓣10分好评，集成学习如何破解AI实践难题 | 赠书

本文内容节选自《集成学习：基础与算法》一书。由南京大学人工智能学院院长周志华教授编著，中文版由其学生李楠博士翻译。回顾机器学习最近30年的发展历程，各种学习方法推陈出新、不断演进。
AI科技大本营·2020-08-19 17:00

集成学习方法及应用，破解AI实践难题

作者|周志华集成学习方法是一类先进的机器学习方法，这类方法训练多个学习器并将它们结合起来解决一个问题，在实践中获得了巨大成功，并成为机器学习领域的“常青树”，受到学术界和产业界的广泛关注。
AI科技大本营·2020-08-19 15:49
上一页 29 30 31 32 33 34 35 36 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他