集成学习

AdaBoost算法解密：从基础到应用的全面解析

一、简介AdaBoost（AdaptiveBoosting，自适应增强）是一种极为强大的集成学习算法，于1997年由YoavFreund和RobertSchapire正式提出。
工业甲酰苯胺·2023-11-28 09:08

模型集成（Ensemble）

集成学习的基本思想是“将多个模型组合在一起通常可以产生更强大的模型”，它通过构建多个个体学习器，再用某种策略将其结合起来完成学习任务。
木子李子远·2023-11-28 01:05

机器学习 | 集成学习

集成学习集成学习的思想是将若干个学习器（分类器&回归器）组合之后产生一个新学习器WhyneedEnsembleLearning?
icebreakeros·2023-11-27 12:23

【面经&八股】搜广推方向：常见面试题（一）

延伸知识（集成学习的三种方式:Bagging、Boosting、Stacking）。4.随机森林是什么？5.Word2Vec常见的加速训练的方式有哪些？6.LightGBM是什么？
笃℃·2023-11-26 21:08

集成学习-波士顿房价预测

关于集成学习算法集成算法基本算法主要分为Bagging算法与Boosting算法Bagging的算法过程从原始样本集中(有放回的)随机抽取n个训练样本，共进行k轮抽取，得到k个训练集(k个训练集之间相互独立
伪_装·2023-11-25 12:03

R数据分析：集成学习方法之随机生存森林的原理和做法，实例解析

集成学习方法Ensemblelearningmethodsaremadeupofasetofclassifiers—e.g.decisiontrees—andt
公众号Codewar原创作者·2023-11-24 10:08

天猫用户重复购买预测（速通二）

天猫用户重复购买预测（二）模型训练分类相关模型1、逻辑回归分类模型2、K近邻分类模型3、高斯贝叶斯分类模型4、决策树分类模型5、集成学习分类模型模型验证模型验证指标特征优化特征选择技巧1、搜索算法2、特征选择方法模型训练分类相关模型
盖盖的博客·2023-11-24 01:46

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。
夕小瑶·2023-11-23 01:37

送书|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。
文文学霸·2023-11-23 01:59

基于Bagging集成学习方法的情绪分类预测模型研究（文末送书）

‍♂️个人主页：@艾派森的个人主页✍作者简介：Python学习者希望大家多多支持，我们一起进步！如果文章对你有帮助的话，欢迎评论点赞收藏加关注+目录1.项目背景2.数据集介绍3.技术工具4.实验过程4.1导入数据4.2数据预处理4.3分词处理4.4词云可视化4.5构建语料库4.6词向量化4.7构建模型4.8模型评估4.9模型测试5.总结文末推荐与福利1.项目背景随着社交媒体和在线平台的普及，大量用
艾派森·2023-11-23 01:58

机器学习——周志华_笔记

机器学习——周志华_笔记机器学习——周志华_笔记机器学习——周志华_笔记神经网络介绍支持向量机SVM介绍贝叶斯分类器EM算法集成学习聚类降维与度量学习特征选择与稀疏学习计算学习理论半监督学习概率图模型强化学习神经网络介绍神经网络介绍
Pandy Bright·2023-11-23 00:44

概率图模型——基于机器学习_周志华

接着分别介绍了几种常见的半监督学习方法：生成式方法基于对数据分布的假设，利用未标记样本隐含的分布信息，使得对模型参数的估计更加准确；TSVM给未标记样本赋予伪标记，并通过不断调整易出错样本的标记得到最终输出；基于分歧的方法结合了集成学习的思想
Pandy Bright·2023-11-23 00:14

聚类——基于机器学习_周志华

上篇主要介绍了一种机器学习的通用框架–集成学习方法，首先从准确性和差异性两个重要概念引出集成学习“好而不同”的四字真言，接着介绍了现阶段主流的三种集成学习方法：AdaBoost、Bagging及RandomForest
Pandy Bright·2023-11-23 00:13

PYTHON机器学习实战——集成学习 AdaBoost元算法

集成学习AdaBoost元算法更新数据集增大判断错误的样本权重自举汇聚法（bootstrapaggregating），也称为bagging方法，是在从原始数据集选择S次后得到S个新数据集的一种技术。
EwenWanW·2023-11-22 16:15

[机器学习] - 提升方法AdaBoost

Adaboost是一种集成学习的方法，当采用基于简单模型的单个分类器对样本进行分类的效果不理想时，人们希望能够通过构建并整合多个分类器来提高最终的分类性能。
ZhuNian的学习乐园·2023-11-22 15:35

机器学习算法系列——集成学习概述

目录1、集成学习的思想2、集成学习的任务3、集成学习的种类1、集成学习的思想2、集成学习的任务3、集成学习的种类
zcj0503·2023-11-22 08:17

机器学习算法——集成学习4（Bagging）

一、理论Bagging是并行式集成学习方法最著名的代表，采用自助采样法。
Vicky_xiduoduo·2023-11-22 08:12

机器学习算法——集成学习1（个体与集成）

集成学习（EnsembleLearning）通过构建并结合多个学习器来完成学习任务。上图为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。
Vicky_xiduoduo·2023-11-22 08:41

机器学习算法——集成学习

工作流程1.2代码实践2.随机森林2.1工作流程2.2代码实践3.Adaboost3.1工作流程3.2样本权值的更新策略3.3代码实践4.Stacking4.1代码实践5.Voting5.1代码实践6.集成学习分类
哈密瓜Q·2023-11-22 08:08

机器学习第10天：集成学习

文章目录机器学习专栏介绍投票分类器介绍代码核心代码示例代码软投票与硬投票bagging与pasting介绍核心代码随机森林介绍代码结语机器学习专栏机器学习_Nowl的博客-CSDN博客介绍集成学习的思想是很直观的
Nowl·2023-11-22 08:38

简述人工智能算法简介?

2、随机森林随机森林是集成学习的一个子类，它依靠于决策树的投票选择来决定最后的分类结果。集成学习通过建立几个模型组合的来解决单一预测问题。集成学习的简单原理是生成多个分类器/模型，各自独
视壮科技·2023-11-21 11:08

【论文阅读笔记】Automatic recognition and classification of microseismic waveforms based on computer vision

Automaticrecognitionandclassificationofmicroseismicwaveformsbasedoncomputervision摘要微震波形可以分解为时间-幅度图像，也可以转换为频谱图使用深度学习方法准确分类VGGresnetalexnet以及集成学习模型不同模型在识别噪音电信号微震有差异
luzhoushili·2023-11-21 07:27

干货|机器学习算法之集成学习初探

点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达一、引子集成学习作为如今大数据比赛中最为常用的学习算法，可以说是所有有进行数据挖掘工作的意向的pong友们都应该比较关注的。
小白学视觉·2023-11-21 00:41

【机器学习12】集成学习

1集成学习分类1.1Boosting训练基分类器时采用串行的方式，各个基分类器之间有依赖。每一层在训练的时候，对前一层基分类器分错的样本，给予更高的权重。
懒羊羊-申博版·2023-11-19 15:12

【机器学习算法】分类算法之随机森林（Random Forest）

转载自：机器学习5—分类算法之随机森林（RandomForest）_随机森林分类-CSDN博客前言随机森林（RandomForest）是Bagging（一种并行式的集成学习方法）的一个拓展体，它的基学习器固定为决策树
DJ.马·2023-11-19 05:16

Python集成学习和随机森林算法

大家好，机器学习模型已经成为多个行业决策过程中的重要组成部分，然而在处理嘈杂或多样化的数据集时，它们往往会遇到困难，这就是集成学习（EnsembleLearning）发挥作用的地方。
python慕遥·2023-11-17 07:42

决策树的Boosting策略是什么

GBDT是一种集成学习方法，通过串行训练多个决策树，并根据前一个树的预测结果来调整下一个树的训练目标，从而逐步提升模型的性能。
温柔的行子·2023-11-15 17:19

机器学习：集成学习之Bagging

1集成学习基本介绍1.工作原理生成多个分类器或者模型，各自独立的学习和做出预测整合多个学习器预测，最终输出预测  集成学习中，每一个学习器叫做弱学习器（基学习器），这些弱学习器共同组成的最终的强学习器。
示木007·2023-11-15 17:47

[飞桨机器学习]Bagging算法

一、简介Bagging[Breiman,1996a]是井行式集成学习方法最著名
陈千鹤·2023-11-15 17:14

机器学习：集成学习之 Bagging、Boosting和AdaBoost

集成学习其实就是有很多个分类器，概念就是三个臭皮匠，顶过诸葛亮。
一切都是毛毛雨·2023-11-15 17:13

机器学习中的Bagging思想

Bagging（BootstrapAggregating）是机器学习中一种集成学习方法，旨在提高模型的准确性和稳定性。
温柔的行子·2023-11-15 17:11

机器学习——集成学习

机器学习面试题汇总与解析——集成学习本章讲解知识点什么是集成学习AdaBoost梯度提升树(GradientBoostingDecisionTree,GBDT)随机森林(RandomForest，简称RF
qq_32468785·2023-11-13 14:28

机器学习算法 - 集成算法

提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录集成算法1.Bagging算法1.1随机森林2.Boosting算法3.Adaboost算法4.Stacking模型集成算法  集成学习
weixin_50304531·2023-11-12 19:34

机器学习算法之集成算法

集成算法1.什么是集成算法2.Bagging类的集成算法2.1Bagging2.2随机森林2.3有放回随机抽样2.4Bagging的另一个要求1.什么是集成算法集成算法(集成学习)本身不是一种单独的机器学习算法
Nothing249·2023-11-12 19:00

机器学习算法-集成学习

概念集成学习是一种机器学习方法，它通过构建并结合多个机器学习器（基学习器）来完成学习任务。集成学习的潜在思想是即便某一个弱分类器得到了错误的预测，其他的弱分类器也可以将错误纠正回来。
田晖扬·2023-11-12 19:59

【机器学习】集成学习代码练习（随机森林、GBDT、XGBoost、LightGBM等）

本文是中国大学慕课《机器学习》的“集成学习”章节的课后代码。
风度78·2023-11-12 02:18

【模型融合】集成学习（boosting, bagging, stacking）原理介绍、python代码实现（sklearn）、分类回归任务实战

boostingbaggingStacking投票平均Stack代码实现1.分类1.0数据集介绍1.1boosting1.2bagging1.3stacking2.回归2.0数据集介绍stacking概览简单来说，集成学习是一种分类器结合的方法
铖铖的花嫁·2023-11-12 02:17

正负样本不均衡解决方案

改进的欠采样的代表算法是EasyEnsemble：利用集成学习机制，它将多数样本划分成若N个集合，然后将划分过后的集合与少数样本组合，这样就形成了N
cuisidong1997·2023-11-11 22:08

回归模型原理总结及代码实现

前言本文将介绍回归模型算法，并总结了一些常用的除线性回归模型之外的模型，其中包括一些单模型及集成学习器。
金戈鐡馬·2023-11-08 01:46

机器学习算法——集成学习

概念集成学习是机器中一个非常重要且热门的分支，用多个弱分类器构成一个强分类器，其哲学思想是“三个臭皮匠赛过诸葛亮”。为什么要集成？
Chercheer·2023-11-06 06:58

机器学习实践(2.2)LightGBM回归任务

前言LightGBM也属于Boosting集成学习模型(还有前面文章的XGBoost)，LightGBM和XGBoost同为机器学习的集大成者。
赫加青空·2023-11-05 22:00

机器学习实践(2.1)LightGBM分类任务

前言LightGBM也属于Boosting集成学习模型(还有前面文章的XGBoost)，LightGBM和XGBoost同为机器学习的集大成者。
赫加青空·2023-11-05 22:59

持续集成学习笔记－入门篇（5）持续集成自动化（二）：具体实现方式一

持续集成自动化的第一种实现方式思路：以maven默认生成的项目为核心，直接用于项目开发和CI构建。由于笔者条件所限，所有的操作、运行均在本机执行。一、基本步骤1、准备阶段1.1.通过Maven（根据默认目录结构规则）生成项目，并用于构建（工作空间）1.2.修改POM.xml文件1.3.通过SVN生成空的、新的版本控制仓库1.4.向SVN提交（import）Maven中的源代码目录和相关文件，形成开
leijiantian·2023-11-05 09:43

持续集成学习笔记－入门篇（9）团队管理：成员&权限设置、成果追踪与结果通知

笔者认为，即便项目团队内只有一个人做开发，CI的支持作用也很大。何况实际工作是团队作战，哪怕这个团队只有3、5个人。此时，团队成员管理中的一部分工作就与持续集成挂上钩了。笔者目前能想到的主要有三方面工作：l成员及权限设置：项目成员的文档、源代码操作权限设置；内部网站上的成员信息展示l成果追踪：项目成员何时、提交了哪些源代码，这些工作应可以追踪到l结果通知：构建结果应能自动定位问题来源，并通知相关的
leijiantian·2023-11-05 09:13

持续集成学习笔记－入门篇（4）持续集成自动化（一）：所谓“关键”问题

搭建好持续集成环境后，接着就该学习各个工具的具体用法了。因为网上这些工具的入门级教程实在太多，笔者推荐几个自己学习时用的主要参考吧，省得板门弄斧了。其实，笔者感觉，分别学习这些工具的用法虽然比较难，但好歹有路可依。最令人头疼、感觉麻烦的是如何将它们整合起来、相互配合一起使用：不仅要知其然，而且还要知其所以然啊。1、SVNl官方在线文档（英文）：http://svnbook.red-bean.com
leijiantian·2023-11-05 09:43

【新人赛】阿里云恶意程序检测 -- 实践记录11.10 - XGBoost学习 / 代码阅读、调参经验总结...

XGBoost学习：集成学习将多个弱学习器结合起来，优势互补，可以达到强学习器的效果。要想得到最好的集成效果，这些弱学习器应当“好而不同”。
Yanqiang_CS·2023-11-05 06:11

Datawhale 零基础入门CV赛事-Task5 模型集成

集成学习集成学习只能在一定程度上提高精度，并需要耗费较大的训练时间，因此建议先使用提高单个模型的精度，再考虑集成学习过程。
顾子豪·2023-11-05 03:19

【机器学习】随机森林

随机森林文章目录随机森林1.什么是集成学习方法2.随机森林3.随机森林工作过程4.API5.总结1.什么是集成学习方法集成学习方法通过建立几个模型组合来解决单一预测问题。
麦当当爷爷·2023-11-04 23:14

数据集的划分——交叉验证法

其实在机器学习中还有其他划分数据集的方法，可以在本身数据总量就比较小时使模型达到很好的效果，我们今天介绍的交叉验证法就是比较常用的方法，它在我们将要介绍的集成学习的Stacking算法中经常使用到。
StataPython数据分析·2023-11-03 19:48

集成学习原理

一、集成学习的概述集成学习(ensemblelearning)本身不是一个单独的机器学习算法，而是通过构建并结合多个机器学习器来完成学习任务。
小小orange·2023-11-03 16:49
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他