集成学习

集成学习V1

outline集成学习BoostingBagging随机森林结合策略Stacking集成学习(ensemblelearning)集成学习的一般结构集成学习的一般结构.png集成学习的主要思想是利用一定的手段学习出多个分类器
neo_ng·2019-08-08 13:17

随机森林算法梳理

随机森林算法梳理1.个体学习与集成学习概念2.boosting3.bagging4.结合策略4.1平均法/投票机制4.2权值平均法/投票机制4.3Gating4.4stacking4.5多层神经网络模型作
紫砂痕·2019-08-07 21:29

数据挖掘和机器学习工程师面试题积累

集成学习？boosting和bagging区别偏差和方差为什么增加数据可以降低过拟合？过拟合和欠拟合？过拟合和欠拟合对偏差和方差的影响？过拟合以及各类情况下过拟合的解决措施？
飞魔006·2019-08-06 20:26

（十二）利用 vecstacks 自动进行 stacking

作者：chen_h微信号&QQ：862251340微信公众号：coderpai（一）机器学习中的集成学习入门（二）bagging方法（三）使用Python进行交易的随机森林算法（四）Python中随机森林的实现与解释
coderpai·2019-08-05 21:48

（十二）利用 vecstacks 自动进行 stacking

作者：chen_h微信号&QQ：862251340微信公众号：coderpai（一）机器学习中的集成学习入门（二）bagging方法（三）使用Python进行交易的随机森林算法（四）Python中随机森林的实现与解释
coderpai·2019-08-05 21:48

机器学习读书笔记之集成学习

本次集成学习读书笔记的参考资料除了西瓜书、ISL、统计学习方法外，还加入了Python机器学习（塞巴斯蒂安），里面对adaboost的起源和原始版本作了介绍，并且用简单例子展示了adaboost的工作原理
omelete·2019-08-05 00:15

（十一）为什么堆叠的集成模型容易赢得 kaggle 比赛？

作者：chen_h微信号&QQ：862251340微信公众号：coderpai（一）机器学习中的集成学习入门（二）bagging方法（三）使用Python进行交易的随机森林算法（四）Python中随机森林的实现与解释
coderpai·2019-08-01 17:35

（十一）为什么堆叠的集成模型容易赢得 kaggle 比赛？

作者：chen_h微信号&QQ：862251340微信公众号：coderpai（一）机器学习中的集成学习入门（二）bagging方法（三）使用Python进行交易的随机森林算法（四）Python中随机森林的实现与解释
coderpai·2019-08-01 17:35

【机器学习】十三、一文看懂Bagging和随机森林算法原理

集成学习主要包括Boosting(提升)和Bagging(袋装)两大类，本文主要分享第二类Bagging类集成学习，会讲解Bagging的原理，以及在Bagging基础上改进之后的随机森林(RandomForest
Asher117·2019-07-31 18:22

【deeplearning.ai】week11 残差神经网络

第二个内容是一些实践建议，比如迁移学习、拥抱开源、数据增广、人工设计特征、集成学习对比赛的改进。
KDLin·2019-07-30 20:24

【deeplearning.ai】week11 残差神经网络

第二个内容是一些实践建议，比如迁移学习、拥抱开源、数据增广、人工设计特征、集成学习对比赛的改进。
KDLin·2019-07-30 20:24

（十）stacking 简介

作者：chen_h微信号&QQ：862251340微信公众号：coderpai（一）机器学习中的集成学习入门（二）bagging方法（三）使用Python进行交易的随机森林算法（四）Python中随机森林的实现与解释
coderpai·2019-07-29 15:01

（十）stacking 简介

作者：chen_h微信号&QQ：862251340微信公众号：coderpai（一）机器学习中的集成学习入门（二）bagging方法（三）使用Python进行交易的随机森林算法（四）Python中随机森林的实现与解释
coderpai·2019-07-29 15:01

（九）AdaBoost 中参数对于决策边界复杂度分析

作者：chen_h微信号&QQ：862251340微信公众号：coderpai（一）机器学习中的集成学习入门（二）bagging方法（三）使用Python进行交易的随机森林算法（四）Python中随机森林的实现与解释
coderpai·2019-07-28 18:05

（九）AdaBoost 中参数对于决策边界复杂度分析

作者：chen_h微信号&QQ：862251340微信公众号：coderpai（一）机器学习中的集成学习入门（二）bagging方法（三）使用Python进行交易的随机森林算法（四）Python中随机森林的实现与解释
coderpai·2019-07-28 18:05

Jenkins持续部署-创建差量更新包

创建差量更新包目录前言目的详细流程生成版本号获取版本号创建文件更新清单压缩获取上个版本的包创建差量更新包读取服务器Json配置远程创建文件夹目录FTP上传总结Jenkins持续部署-创建差量更新包目录Jenkins持续集成学习
杰哥很忙·2019-07-27 15:00

（八）Python 中的 AdaBoost 分类器实例

作者：chen_h微信号&QQ：862251340微信公众号：coderpai（一）机器学习中的集成学习入门（二）bagging方法（三）使用Python进行交易的随机森林算法（四）Python中随机森林的实现与解释
coderpai·2019-07-25 15:25

（八）Python 中的 AdaBoost 分类器实例

作者：chen_h微信号&QQ：862251340微信公众号：coderpai（一）机器学习中的集成学习入门（二）bagging方法（三）使用Python进行交易的随机森林算法（四）Python中随机森林的实现与解释
coderpai·2019-07-25 15:25

（七）AdaBoost 简介

作者：chen_h微信号&QQ：862251340微信公众号：coderpai（一）机器学习中的集成学习入门（二）bagging方法（三）使用Python进行交易的随机森林算法（四）Python中随机森林的实现与解释
coderpai·2019-07-24 18:29

（七）AdaBoost 简介

作者：chen_h微信号&QQ：862251340微信公众号：coderpai（一）机器学习中的集成学习入门（二）bagging方法（三）使用Python进行交易的随机森林算法（四）Python中随机森林的实现与解释
coderpai·2019-07-24 18:29

（六）如何利用Python从头开始实现随机森林算法

作者：chen_h微信号&QQ：862251340微信公众号：coderpai（一）机器学习中的集成学习入门（二）bagging方法（三）使用Python进行交易的随机森林算法（四）Python中随机森林的实现与解释
coderpai·2019-07-19 20:43

（六）如何利用Python从头开始实现随机森林算法

作者：chen_h微信号&QQ：862251340微信公众号：coderpai（一）机器学习中的集成学习入门（二）bagging方法（三）使用Python进行交易的随机森林算法（四）Python中随机森林的实现与解释
coderpai·2019-07-19 20:43

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。
十七岁的有德·2019-07-19 17:00

（五）如何用 Python 从头开始实现 Bagging 算法

作者：chen_h微信号&QQ：862251340微信公众号：coderpai（一）机器学习中的集成学习入门（二）bagging方法（三）使用Python进行交易的随机森林算法（四）Python中随机森林的实现与解释
coderpai·2019-07-18 11:44

（五）如何用 Python 从头开始实现 Bagging 算法

作者：chen_h微信号&QQ：862251340微信公众号：coderpai（一）机器学习中的集成学习入门（二）bagging方法（三）使用Python进行交易的随机森林算法（四）Python中随机森林的实现与解释
coderpai·2019-07-18 11:44

16.7-集成学习.md

Copyright©MicrosoftCorporation.Allrightsreserved.适用于License版权许可16.7集成学习EnsembleLearning16.7.1集成学习的概念当数据集有问题
昵称4·2019-07-17 07:54

集成学习-Boosting-Adaboost

0.Adaboost介绍Adaboost是以加法模型为模型，前项分布算法为学习算法，指数损失函数为损失函数的boosting集成学习算法。
莱昂纳多91·2019-07-16 11:03

30分钟看懂XGBoost的基本原理

作者|梁云1991转载自Python与算法之美（ID:Python_Ai_Road）一、XGBoost和GBDTxgboost是一种集成学习算法，属于3类常用的集成方法(bagging,boosting
AI科技大本营·2019-07-15 15:03

Python+sklearn随机森林算法使用入门

随机森林是一种集成学习方法，基本思想是把几棵不同参数的决策树（参考：Python+sklearn决策树算法使用入门）打包到一起，每棵决策树单独进行预测，然后计算所有决策树预测结果的平均值（适用于回归分析
dongfuguo·2019-07-15 08:52

Python3机器学习实践：集成学习之Stacking(模型堆叠)

Python3机器学习实践：集成学习之Stacking(模型堆叠)0.12018.12.2317:01字数967阅读1640评论0喜欢1stacking.pngimage一、Stacking流程图Stacking
baidu_huihui·2019-07-09 19:01

面试 | 京东算法岗秋招提前批

2一面聊项目集成学习方法有哪些？bagging和boosting的区别？L1L2正则过拟合的解决办法决策树的应用场景优缺点决策树剪枝ok后还会过拟合吗？应用场景：因为它能够生成清晰的基于特征(
RUC_Lee·2019-07-08 23:56

大白话5分钟带你走进人工智能-第31节集成学习之最通俗理解GBDT原理和过程

6、我们看下GBDT的流程图解：7、我们看一个GBDT的例子：8、我们看下GBDT不同版本的理解：1、前述从本课时开始，我们讲解一个新的集成学习算法，GBDT。首先我们回顾下有监督学习。
L先生AI课堂·2019-07-08 17:00

集成学习③——Sklearn-Adaboost库参数及实战

一、Adaboost库参数介绍Adaboost库分为AdaBoostClassifier（分类）和AdaBoostRegressor（回归），两者的参数相近，均包括Adaboost框架参数和使用的弱学习器参数，详细如下：1、框架参数①base_estimator：弱学习器，AdaBoostClassifier和AdaBoostRegressor都有。理论上可以选择任何一个分类或者回归学习器，不过需
数据小斑马·2019-07-06 17:36

大白话5分钟带你走进人工智能-第31节集成学习之最通俗理解GBDT原理和过程

6、我们看下GBDT的流程图解：7、我们看一个GBDT的例子：8、我们看下GBDT不同版本的理解：1、前述从本课时开始，我们讲解一个新的集成学习算法，GBDT。首先我们回顾下有监督学习。
L先生AI课堂·2019-07-06 16:49

集成学习②——Adaboost算法原理及python实现

一、AdaBoost算法原理上一偏博客总结过，集成学习基于弱学习器之间是否依赖分为Boosting和Bagging两类,Adaboost就是Boosting中的典型代表。
数据小斑马·2019-07-06 15:14

集成学习①——集成学习原理、分类和结合方法

一、集成学习的原理集成学习就是"博采众长"，将一组弱学习器通过一定方法给合在一起得到强学习器，这个强学习器的泛化能力相对任何一个弱学习器都要好，甚至还有起到三个臭皮匠，赛过诸葛亮的效果这里有2个问题，有哪些弱学习器可以用
数据小斑马·2019-07-06 11:48

竞赛利器——XGBoost学习笔记

简介与Adaboost算法相同，GBDT算法也是集成学习Boost家族的成员之一。然而在Adabo
lost-person·2019-07-05 14:36

大白话5分钟带你走进人工智能-第30节集成学习之Boosting方式和Adaboost

目录1、前述：2、Bosting方式介绍：3、Adaboost例子：4、adaboost整体流程：5、待解决问题：6、解决第一个问题：如何获得不同的g(x)：6.1我们看下权重与函数的关系：6.2gt和un的关系数学公式表达：6.3引导Un+1的思路：6.4推导Un+1的由来：6.5规划因子的由来：7、解决第二个问题：α的计算：7.1每一个弱分类器需要什么样的树：8、具体总结Adaboost的整体
L先生AI课堂·2019-07-02 17:00

集成学习-组合策略与Stacking

集成学习是如何把多个分类器组合在一起的，不同的集成学习有不同的组合策略，本文做个总结。平均法对数值型输出，平均法是最常用的策略，解决回归问题。
R芮R·2019-07-01 11:00

Jenkins持续部署-自动生成版本号

目录Jenkins持续部署-自动生成版本号目录前言目的详细流程获取SVNReversion获取需求号设置编译前读取版本号总结参考文献Jenkins持续部署-自动生成版本号目录Jenkins持续集成学习-
杰哥很忙·2019-06-29 23:00

西瓜书学习笔记——第八章：集成学习

8.集成学习8.1个体与集成集成的概念集成如何获得比单一学习器更好的性能8.2Boosting8.2.1Boosting工作机制8.2.2AdaBoost（序列化采样）算法推导1.验证指数损失函数是否为
Andrewings·2019-06-27 18:51

机器学习与深度学习常见面试题

2019June25面试笔记机器学习与深度学习常见面试题比较Boosting和Bagging的异同二者都是集成学习算法，都是将多个弱学习器组合成强学习器的方法。
chiemon·2019-06-25 13:27

XGBoost

XGBoost是机器学习领域最近几年比较火热的一种十分强大的集成学习方法（系统），全称为eXtremeGradientBoosting，由大牛陈天奇博士开发（陈天奇，交大ACM班毕业，华盛顿大学计算机博士
FarmerJohn·2019-06-25 00:07

机器学习西瓜书（周志华）第八章 集成学习

第八章集成学习1.集成学习的概念2.集成学习的分类3.Boosting4.Bagging7.课后练习参考答案1.集成学习的概念集成学习（ensemblelearning）通过构建并结合多个学习器来完成学习任务
视界IT·2019-06-24 16:08

《百面机器学习》 --集成学习笔记

1、集成学习分为几种？异同？1.1Boosting  Boosting方法训练基分类器采用串行的方式，各个基分类器有依赖。  
owenbb·2019-06-24 12:29

集成学习总结

1基本概念集成学习的主要思路是先通过一定的规则生成多个学习器，再采用某种集成策略进行组合，最后综合判断输出最终结果。一般而言，通常所说的集成学习中的多个学习器都是同质的"弱学习器"。
ZingpLiu·2019-06-24 12:00

树模型集成学习(Tree Embedding)

树模型集成学习集成学习主要有两个思想，分别是bagging和boosting。
Datawhale·2019-06-16 20:02

树模型集成学习(Tree Embedding)

树模型集成学习集成学习主要有两个思想，分别是bagging和boosting。
Datawhale·2019-06-16 20:02

（四）Python中随机森林的实现与解释

作者：chen_h微信号&QQ：862251340微信公众号：coderpai（一）机器学习中的集成学习入门（二）bagging方法（三）使用Python进行交易的随机森林算法（四）Python中随机森林的实现与解释通过从单个决策树构建来使用和理解随机森林幸运的是
coderpai·2019-06-14 23:59

（四）Python中随机森林的实现与解释

作者：chen_h微信号&QQ：862251340微信公众号：coderpai（一）机器学习中的集成学习入门（二）bagging方法（三）使用Python进行交易的随机森林算法（四）Python中随机森林的实现与解释通过从单个决策树构建来使用和理解随机森林幸运的是
coderpai·2019-06-14 23:59
上一页 45 46 47 48 49 50 51 52 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他