集成学习

Adaboost算法介绍

1.集成学习（ensemblelearing）背景介绍集成学习（ensemblelearing）通过构建并结合多个学习器（learner）来完成学习任务，通常可获得比单一学习器更良好的泛化性能。
蓝鲸_007·2019-06-13 11:38

《机器学习》-周志华 第八章：集成学习 读书笔记

outofbag)2.2随机森林（RandomForest,RF）3.学习器结合策略3.1学习器结合的好处3.2结合的策略4.多样性多样性的增强集成算法目的：根据某个算法策略组和多个基础模型，从而提高模型的泛化能力集成学习可
ErinLiu❤·2019-06-13 10:19

（三）使用Python进行交易的随机森林算法

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在这篇文章中，我们将讨论什么是随机森林
coderpai·2019-06-12 20:23

（三）使用Python进行交易的随机森林算法

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在这篇文章中，我们将讨论什么是随机森林
coderpai·2019-06-12 20:23

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·2019-06-11 23:56

集成学习---综述

一、简介集成学习，顾名思义，通过将多个单个学习器集成/组合在一起，使它们共同完成学习任务，有时也被称为“多分类器系统（multi-classifiersystem）”、基于委员会的学习（Committee-basedlearning
code-life·2019-06-11 11:10

集成学习

集成学习，又称多分类器系统，顾名思义，就是将多个分类器组合成一个强分类器，而多个分类器可以从训练不同的样本中产生。因此，有一种有放回的采样方法（BootstrapSamples）来生成不同的训练样本。
八千鸟羽·2019-06-09 16:14

Gradient Boosting 和 AdaBoost 的推导

最近看到集成学习的部分，觉得推导有点难，稍微写一写，推荐看看原论文或李宏毅老师的深度学习2019课程和周志华老师的《机器学习》，这里只关注GradientBoosting和AdaBoost的推导，综合了三部分内容
Alex和它的小伙伴·2019-06-08 16:27

ARIMA/Sarima与LSTM的时间序列数据集成学习

动机传统时间序列预测中最常使用到的时间序列模型有以下五种，包括：自回归(AR)模型移动平均(MA)模型自回归移动平均(ARMA)模型差分自回归移动平均模型(ARIMA)季节性差分自回归移动平均模型(SARIMA)模型。自回归AR模型以时间序列的前一个值和当前残差来线性地表示时间序列的当前值，而移动平均MA模型则用时间序列的当前值和先前的残差序列来线性地表示时间序列的当前值。ARMA模型是AR模型和
Poo_Chai·2019-06-05 19:08

（二）bagging 方法

在这种情况下，你需要应用一些更高级的机器学习技术，其中有一种技术就是集成学习。集成学习是由一组共同分类器或者不同分类器来作为一个整体。举个例子，比如一个音乐会，我们会同时
coderpai·2019-06-05 13:10

（二）bagging 方法

在这种情况下，你需要应用一些更高级的机器学习技术，其中有一种技术就是集成学习。集成学习是由一组共同分类器或者不同分类器来作为一个整体。举个例子，比如一个音乐会，我们会同时
coderpai·2019-06-05 13:10

深度强化学习笔记

本笔记来自于台大李宏毅机器学习课程–ReinforcementLearning前面写过CNN入门与集成学习，这些均属于监督学习的范畴，而强化学习与监督学习是有很大区别的其中监督学习是有特征（feature
弦音2018·2019-06-04 19:53

《机器学习》第八章——集成学习

1.个体与集成生活中的集成学习综合多方意见，得出结论面对同样的问题，根据不同的算法针对同一个数据运行，得出的结果以投票的方式，少数服从多数2.Boosting集成多个模型每个模型都在尝试增强（Boosting
Lazyinit·2019-05-29 18:51

（一）机器学习中的集成学习入门

该方法称为EnsembleLearning，也就是集成学习。投票模型你可以使用不同的算法训练您的模型，然后将它们合并以预测最终输出。
coderpai·2019-05-27 19:00

（一）机器学习中的集成学习入门

该方法称为EnsembleLearning，也就是集成学习。投票模型你可以使用不同的算法训练您的模型，然后将它们合并以预测最终输出。
coderpai·2019-05-27 19:00

【集成学习】sklearn中xgboost模块的XGBClassifier函数

原文常规参数boostergbtree树模型做为基分类器（默认）gbliner线性模型做为基分类器silentsilent=0时，不输出中间过程（默认）silent=1时，输出中间过程nthreadnthread=-1时，使用全部CPU进行并行运算（默认）nthread=1时，使用1个CPU进行运算。scale_pos_weight正样本的权重，在二分类任务中，当正负样本比例失衡时，设置正样本的权
AiFool·2019-05-27 14:04

Jenkins持续部署-Windows环境持续部署探究1

环境持续部署探究1目录前言目的方案流程技术实现PowerShellFTP上传插件环境变量插件脚本执行远程调用升级服务启动服务总结Jenkins持续部署-Windows环境持续部署探究1目录Jenkins持续集成学习
杰哥很忙·2019-05-25 12:00

常用的模型集成方法介绍：bagging、boosting 、stacking

本文介绍了集成学习的各种概念，并给出了一些必要的关键信息，以便读者能很好地理解和使用相关方法，并且能够在有需要的时候设计出合适的解决方案。
Alan_Fire·2019-05-21 22:00

大白话5分钟带你走进人工智能-第二十九节集成学习之随机森林随机方式 ，out of bag data及代码(2)

大白话5分钟带你走进人工智能-第二十九节集成学习之随机森林随机方式，outofbagdata及代码(2)上一节中我们讲解了随机森林的基本概念，本节的话我们讲解随机森林的随机方式，以及一些代码。
L先生AI课堂·2019-05-20 17:00

大白话5分钟带你走进人工智能-第二十八节集成学习之随机森林概念介绍(1)

第二十八节集成学习之随机森林概念介绍(1)从本系列开始，我们讲解一个新的算法系列集成学习。集成学习其实是怎么样去应用决策树解决一些问题。
L先生AI课堂·2019-05-20 10:00

用Python实现GBDT算法并处理Iris数据集

GBDT，梯度提升树属于一种有监督的集成学习方法，与之前学习的监督算法类似，同样可以用于分类问题的识别和预测问题的解决。
国梁·2019-05-19 17:00

大白话5分钟带你走进人工智能-第二十九节集成学习之随机森林随机方式 ，out of bag data及代码(2)

大白话5分钟带你走进人工智能-第二十九节集成学习之随机森林随机方式，outofbagdata及代码(2)上一节中我们讲解了随机森林的基本概念，本节的话我们讲解随机森林的随机方式，以及一些代码。
L先生AI课堂·2019-05-18 22:27

【机器学习笔记】——Bagging、Boosting、Stacking（RF / Adaboost / Boosting Tree / GBM / GBDT / XGBoost / LightGBM）

目录1集成学习1.1概念1.2思维导图2Bagging算法2.1概念2.2编程（分类）2.3随机森林2.3.1扩展2.3.1.1ExtremelyrandomizedTrees2.3.1.2*TotallyRandomTreesEmbedding2.3.1.3
孙悟充·2019-05-17 16:08

集成学习之GBDT算法

Boosting树算法Boosting树算法采用的是前向分步算法，假设前m-1轮迭代得到的强学习器是fm−1(x)f_{m-1}(x)fm−1(x)，第m轮的迭代目标是训练一个CART回归树模型的弱学习器T(x;Θm)T(x;\Theta_m)T(x;Θm)，使得本轮的损失函数L(y,fm(x))=L(y,fm−1+T(x;Θm))L(y,f_m(x))=L(y,f_{m-1}+T(x;\Thet
code__online·2019-05-17 15:48

集成学习之AdaBoost算法

集成学习依据个体学习器之间是否存在依赖关系分为两类：一类是个体学习器之间存在强依赖关系，其代表算法是boosting算法；另一类是个体学习器之间不存在强依赖关系，代表算法是bagging算法。
code__online·2019-05-16 17:06

机器学习系列 15：集成学习

目录1.1集成学习1.2提升（Boosting）方法  1.2.1AdaBoost    1.2.1.1AdaBoost的算法描述    1.2.1.2AdaBoost算法解释  1.2.2其他提升（Boosting
空杯的境界·2019-05-15 22:08

《从机器学习到深度学习》笔记（5）集成学习之随机森林

集成学习模型与其他有监督模型的出发点大相径庭，之前的模型都是在给定的训练集上通过构建越来越强大的算法进行数据拟合。
小李子2926·2019-05-13 10:00

[机器学习实战] 阅读第七章

文章目录集成学习和随机森林集成1投票分类器1.1硬（hard）投票1.2软（soft）投票2bagging和pastingScikit-Learn的bagging和pasting3包外评估4RandomPatches
枪枪枪·2019-05-12 20:48

集成学习——Adaboost分类

上一期分享了集成学习之Bagging分类的方法，这一期分享它的另外一种方法，Adaboost分类方。
医数思维云课堂·2019-05-10 10:31

集成学习——Adaboost分类

上一期分享了集成学习之Bagging分类的方法，这一期分享它的另外一种方法，Adaboost分类方。
医数思维云课堂·2019-05-10 10:31

集成学习（AdaBoost、随机森林）算法推导

集成学习1.个体与集成有一句文化术语，“三个臭皮匠顶个诸葛亮”。本篇文章的主题集成学习就是这句话的践行者，什么是集成学习呢？
flushest·2019-05-10 10:30

大白话5分钟带你走进人工智能-第二十二节决策树系列之概念介绍(1)

第二十二节决策树系列之概念介绍(1)本系列我们讲一个新算法及其衍生出来的系列算法，决策树，随机森林以及集成学习。
L先生AI课堂·2019-05-05 22:00

随机森林（random forest）

集成学习系列博客：集成学习（ensemblelearning）基础知识随机森林（randomforest）在前面一篇博客里（集成学习（ensemblelearning）基础知识）梳理了集成学习中的基础知识
天泽28·2019-05-04 16:14

集成学习之XGBoost原理

1.背景XGBoost的全称是eXtremeGradientBoosting，它是GradientBoostingMachine的一个c++实现，在计算速度和准确率上相比较于GBDT有较大的提升。作者为正在华盛顿大学研究机器学习的大牛陈天奇。xgboost最大的特点在于，它能够自动利用CPU的多线程进行并行，同时在算法上加以改进提高了精度。它的处女秀是Kaggle的希格斯子信号识别竞赛，因为出众的
code__online·2019-05-04 15:56

技术积累

数学基础MCMC采样MCMC采样一、机器学习1、无监督学习聚类Kmeans聚类降维PCA理论PCA、LDA算法二、十大算法决策树决策树模型集成学习SVM算法SVM理论EM算法EM理论篇GMM、Kmeans
dreampai·2019-04-29 17:18

随机森林

随机森林在sklearn中的实现1、概述1.1集成算法概述集成学习(ensemblelearning)是时下非常流行的机器学习算法，它本身不是一个单独的机器学习算法，而是通过在数据上构建多个模型，集成所有模型的建模结果
Kyrie_Irving·2019-04-29 14:42

Bagging 和 随机森林（Random Forest,RF）

前面已经了解到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。
Wisimer·2019-04-27 08:37

集成学习 实践

我们使用集成学习方法来对乳腺癌预测，这里的例子使用的数据集是WisconsinBreastCancerdataset。
Wisimer·2019-04-26 17:51

集成学习总结（Bagging/Boosting）

Bagging算法总述3、随机森林二、Boosting1、AdaBoost2、GBDT（梯度提升决策树）2.1提升树模型（BoostingTree）2.2GBDT3、XGBoost三、Stacking前言集成学习是机器学习的一个重要分支
一只进阶的程序媛·2019-04-25 22:44

随机森林、GBDT、XGBoost比较

RF、GBDT和XGBoost都属于集成学习（EnsembleLearning），集成学习的目的是通过结合多个基学习器的预测结果来改善单个学习器的泛化能力和鲁棒性。
_Seven°·2019-04-23 17:18

机器学习算法选取

下面代码选取了五种主流机器学习算法，包括SVM、KNN、决策树、逻辑回归、朴素贝叶斯，当然也包括集成学习算法，Bagging、Adaboost、GBDT和随机森林。
_Seven°·2019-04-23 16:06

基于单个三轴加速度计的人体行为识别研究

（单个传感器降低部署成本）2通过数据预处理和特征提取，并利用一种改进的子窗口的集成学习算法，实现对人体行为的准确识别。实验结果表明，相较于传统算法，识别准确率得以显著提升，证实了研究成果的有效性。
hannah1123·2019-04-23 16:58

ResNet——Deep Residual Learning for Image Recognition

通过集成学习模型最终取得了3.57%的错误率，获得了ILSVRC2015比赛的第一名。表示的深度对于许多视觉识别任务而言至关重要，仅仅由于特别深的表示，作者在COCO物体检测数据集上获得了2
seniusen·2019-04-22 13:20

使用python通过随机森林实现人脸识别

一、需要了解的知识1.Bootstrap方法2.集成学习3.Bagging4.Boosting算法5.随机森林算法1.BootStrap方法我觉得BootStrap是一个有趣的名字，因为他在英语的翻译为鞋带
Tensor-zhang·2019-04-18 21:59

Adaboost ,RF,GBDT,XGBoost,lightGBM 的对比

RF,GBDT,XGBoost,lightGBM都属于集成学习：通过结合多个基学习器的预测结果来改善基本学习器的泛化能力和鲁棒性。
368chen·2019-04-12 16:08

风控模型师面试准备--技术篇（逻辑回归、决策树、集成学习）

https://zhuanlan.zhihu.com/p/56175215编辑于2019-02-12，持续更新中，有风控建模工作经验的，或者想转行风控建模的小伙伴可以互相交流下...一.算法逻辑回归决策树集成学习
stay_foolish12·2019-04-12 09:35

Adaboost 算法介绍（针对算法面试）

Adaboost算法介绍1.Adaboost简介1.1集成学习（ensemblelearning）背景介绍集成学习（ensemblelearning）通过构建并结合多个学习器（learner）来完成学习任务
Line_Walker·2019-04-11 16:53

机器学习、深度学习常见面试题—第一波

1.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。
ZHAO1995ZHAO·2019-04-10 00:00

集成学习算法梳理——GBDT

文章目录GBDT概述前向分步算法损失函数负梯度拟合损失函数分类算法正则化优缺点优点缺点sklearnAPIsklearn.ensemble.GradientBoostingClassifier()应用场景参考资料GBDT概述GBDT(GradientBoostingDecisionTree,梯度提升决策树)不仅可以用于分类问题，还可以用于回归问题，GBDT的核心思想在于，每一棵树学习的是之前所有树
JN_rainbow·2019-04-07 20:45

Python机器学习笔记——随机森林算法

随机森林算法的理论知识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。
chenyiming2010·2019-04-07 15:12
上一页 46 47 48 49 50 51 52 53 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他