集成学习

《机器学习》周志华西瓜书读书笔记

第2章模型评估与选择经验误差与过拟合，评估方法，性能度量第3章线性模型第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9章聚类第10章降维与度量学习第11章特征选择与稀疏学习第
weixin_30888707·2019-04-07 09:00

GBDT算法梳理

GBDT梯度提升决策树也是集成学习
阿尔法小队·2019-04-06 15:02

机器学习（西瓜书）注解：第8章 集成学习

机器学习（西瓜书）注解：第8章集成学习    本次更新第8章，集成学习。
jbb0523·2019-04-06 00:00

集成学习与随机森林

集成学习创建日期星期二18十二月2018首先有个概念,个体学习器,一般是弱学习器,当然强学习器也是可以的;集成学习就是把个体学习器做一次集成,然后对结果进行一次决策,就叫集成学习,举个简单的例子就是,100
qq_30366667·2019-04-04 20:15

集成学习算法梳理——RF

文章目录集成学习集成学习的理论基础PAC(probablyapproximatelycorrect)，可能近似正确学习框架强可学习&弱可学习主要算法Boosting、BaggingBoostingBaggingBootstrapBagging
JN_rainbow·2019-04-03 13:54

决策树与随机森林理论与实现（二）

决策树与随机森林理论与实现（二）决策树理论方面内容：决策树与随机森林理论与实现（一）随机森林集成学习将多个能力较弱的个体学习器结合为一个集成学习器，以提高学习器的泛化性能分为同质；异质同质：所有个体学习器均属于同一类学习器
CoSineZxc·2019-03-29 20:41

决策树与随机森林理论与实现（二）

决策树与随机森林理论与实现（二）决策树理论方面内容：决策树与随机森林理论与实现（一）随机森林集成学习将多个能力较弱的个体学习器结合为一个集成学习器，以提高学习器的泛化性能分为同质；异质同质：所有个体学习器均属于同一类学习器
CoSineZxc·2019-03-29 20:41

集成学习之随机森林

随机森林随机森林简介随机森林优点随机森林缺点随机森林相关基础知识随机森林生成随机森林简介随机森林就是通过集成学习的思想将多棵树集成的一种算法，它的基本单元是决策树，而它的本质属于机器学习的一大分支–集成学习
Elben_Expect·2019-03-28 09:12

集成学习之随机森林

随机森林随机森林简介随机森林优点随机森林缺点随机森林相关基础知识随机森林生成随机森林简介随机森林就是通过集成学习的思想将多棵树集成的一种算法，它的基本单元是决策树，而它的本质属于机器学习的一大分支–集成学习
Elben_Expect·2019-03-28 09:12

【零散知识】CatBoost的简单了解

前言：{之前把《机器学习》上面的集成学习部分过了一遍，之后就想去做编程习题，但是经过搜索发现了很多新模型。上次介绍的是xgboos，而这次介绍CatBoost。
爱吃苹果的魚·2019-03-27 19:31

机器学习算法 之 集成学习：串行-Boosting族(AdaBoost)，并行-Bagging、随机森林

1集成学习方法包含两类：个体学习器间存在强依赖关系、必须串行生成的序列化方法代表是Boosting族算法。Boosting族中最著名的代表是AdaBoost。
张之海·2019-03-25 21:45

机器学习 —— 周志华

Chapter1绪论Chapter2模型评估与选择Chapter3线性模型Chapter4决策树Chapter5神经网络Chapter6支持向量机Chapter7贝叶斯分类器Chapter8集成学习Chapter9
JachinMa·2019-03-23 00:00

谈谈你对集成学习的见解与认识，描述一下它们的优势所在？

【每日一问】谈谈你对集成学习的见解与认识，描述一下它们的优势所在？
Datawhale·2019-03-22 00:06

谈谈你对集成学习的见解与认识，描述一下它们的优势所在？

【每日一问】谈谈你对集成学习的见解与认识，描述一下它们的优势所在？
Datawhale·2019-03-22 00:06

【学习笔记】分类算法-决策树、随机森林

目录特征选择信息的度量和作用信息增益信息增益的计算常见决策树使用的算法sklearn决策树API泰坦尼克号案例决策树的优缺点以及改进集成学习方法-随机森林学习算法集成学习API决策树是一种基本的分类方法
张风闲·2019-03-20 20:00

机器学习-算法工程师 -面试/笔试准备-重要知识点梳理

文章目录机器学习相关基础概念Variance（方差）与bias（偏差）常用性能指标生成模型与判别模型集成学习：Bagging、Boosting、StackingLogisticRegressionGBDT
MissAcappella·2019-03-18 21:23

随机森林模型详解

1.定义决策树+bagging=随机森林，随机森林是一种比较新的机器学习模型(非线性基于树的模型)集成学习方法。
扯20080808·2019-03-17 21:57

随机森林 RF 算法的原理（一）

随机森林算法是一种重要的基于Bagging的集成学习方法，可用来做分类、回归等问题。
IMWTJ·2019-03-14 11:10

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·2019-03-13 13:07

集成学习Bagging、随机森林、Boosting、Adaboost原理

文章目录集成学习介绍Bagging方法随机森林（randomforests）Boosting方法Adaboost集成学习的结合策略集成学习介绍集成学习，就是对一系列弱学习器进行组合，进而构建出强学习器的一种算法
一骑走烟尘·2019-03-11 23:26

Boosting系列算法之AdaBoost算法

 接自https://blog.csdn.net/Y_hero/article/details/88381259,由上一篇总结我们已经初步了解了集成学习以及Boosting的基本原理，不过有几个Boosting
Y_hero·2019-03-11 22:47

集成学习和Boosting原理总结

1.集成学习 集成学习(ensemblelearing)通过构建并结合多个学习器来完成学习任务，有时也被称为多酚类器系统(multi-classifiersystem),基于委员会的学习(sommittee-baseslearing
Y_hero·2019-03-10 17:58

Bagging与Boosting算法的原理与区别，Boosting算法之一Adaboost原理与代码实现

两者作为机器学习中集成学习的主要算法，其思想是必须理解和掌握的。
弦音2018·2019-03-08 19:39

AdaBoost

一、集成学习AdaBoost是集成学习的一种。集成学习的目的是通过结合几个由给定的算法组成的模型，去提高单个模型的准确率。就是俗话说的三个臭皮匠顶一个诸葛亮的意思。
宁悦·2019-03-08 14:10

集成学习Bagging和Boosting算法总结

一、集成学习综述1.集成方法或元算法是对其他算法进行组合的一种方式，下面的博客中主要关注的是AdaBoost元算法。将不同的分类器组合起来，而这种组合结果被称为集成方法/元算法。
奔腾的小马达·2019-03-07 15:42

机器学习 之 集成学习

一、概念集成学习（ensemblelearning）通过构建并结合多的学习器（个体学习器）来完成学习任务。依据学习器种类是否相同，可分为：同质集成以及异质集成。
古漓·2019-03-05 22:21

机器学习面试必知：集成学习之Bagging,Boosting与Stacking

集成学习是一大类模型融合策略和方法的统称，其中包含多种集成学习的思想。主要有Bagging与Boosting，当然还有Stacking。
Neekity·2019-03-04 15:41

Task2 GBDT算法梳理

GBDT也是集成学习Boosting家族
coffeetea01·2019-03-03 21:51

机器学习实战——基于Scikit-Learn和TensorFlow 阅读笔记 之 第七章：集成学习和随机森林

目录第七章集成学习和随机森林1投票分类器2bagging和pasting2.1scikit-learn的bagging和pasting2.2包外评估
折工大子·2019-03-03 19:35

随机森林算法梳理

【任务一随机森林算法梳理】集成学习概念集成学习简单理解就是指采用多个分类器对数据集进行预测，从而提高整体分类器的泛化能力。
coffeetea01·2019-03-01 21:17

《机器学习-周志华》读书笔记-第8章 集成学习

《机器学习-周志华》读书笔记-第8章集成学习baggingboosting集成学习的目的是：通过适当的学习方法将弱学习器转化为强学习器方法要点为：优而不同总体的翻看感觉：集成方法主要是两种：bagging
babi_qq·2019-02-28 00:00

机器学习中的编码器-解码器结构哲学

www.tensorinfinity.com/paper_78.html本文PDF下载链接：http://www.tensorinfinity.com/paper_116.html导言机器学习中体现着各种工程和科学上的哲学思想，大的有集成学习
SIGAI_csdn·2019-02-27 17:43

Jenkins持续集成学习-搭建jenkins问题汇总

目录Jenkins持续集成学习5-搭建jenkins问题汇总目录前言问题列表nuget还原包问题编译问题SVN更新问题参考文档Jenkins持续集成学习5-搭建jenkins问题汇总目录Jenkins持续集成学习
杰哥很忙·2019-02-26 19:00

【机器学习算法】集成学习之Stacking，Bagging，AdaBoost

文章目录1.模型融合（aggregationmodels）1.1uniformblending1.2LinearBleading1.3Stacking(conditionblending)2.Bagging3.AdaBoost(AdaptiveBoosting)4.AdaBoost误差分析5.AdaBoost与前向分步算法1.模型融合（aggregationmodels）  假如我们有多个模型，要
Mankind_萌凯·2019-02-26 09:55

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。
战争热诚·2019-02-25 09:00

CTR 预测理论（五）：集成学习之Boosting家族(AdaBoost+GBDT)

1.Boosting方法的基本思想提升方法基于这样一种思想：对于一个复杂任务来说，将多个专家的判断进行适当（按照一定权重）的综合（例如线性组合加法模型）所得出的判断，要比其中任何一个专家单独的判断好历史上，Kearns和Valiant首先提出了“强可学习（stronglylearnable）”和“弱可学习（weeklylearnable）”的概念，指出在概率近似正确（probablyapproxi
dby_freedom·2019-02-24 00:42

CTR 预测理论（五）：集成学习之Boosting家族(AdaBoost+GBDT)

1.Boosting方法的基本思想提升方法基于这样一种思想：对于一个复杂任务来说，将多个专家的判断进行适当（按照一定权重）的综合（例如线性组合加法模型）所得出的判断，要比其中任何一个专家单独的判断好历史上，Kearns和Valiant首先提出了“强可学习（stronglylearnable）”和“弱可学习（weeklylearnable）”的概念，指出在概率近似正确（probablyapproxi
dby_freedom·2019-02-24 00:42

XGBoost学习-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·2019-02-22 20:20

集成学习-随机森林

1.集成学习集成学习是通过构建多个学习器完成任务，将多个个体学习器利用某种策略结合起来达到降低错误率的目的。
crishawy·2019-02-06 16:45

sklearn机器学习：随机森林学习与调参

这部分sklearn学习笔记不会过多的涉及随机森林的原理（但还是会介绍），但是个人建议还是得知道随机森林的原理再来用sklearn会容易懂的多，西瓜书上集成学习部分讲到了bagging和随机森林，只有4
成都往右·2019-02-05 17:16

Jenkins持续集成学习-Windows环境进行.Net开发4

目录Jenkins持续集成学习-Windows环境进行.Net开发4目录前言目标Github持续集成提交代码到Github从Github更新代码git上显示构建状态自动触发构建Gitlab持续集成安装插件配置
杰哥很忙·2019-02-01 16:00

机器学习算法梳理(五)：GBDT梯度提升树

GBDTGBDT描述GBDT思想前向分布算法参考文献GBDT描述GBDT也是集成学习Boosting家族的成员，但是却和传统的Adaboost有很大的不同。
devcy·2019-01-29 21:53

Jenkins持续集成学习-Windows环境进行.Net开发3

目录Jenkins持续集成学习-Windows环境进行.Net开发3目录前言目标优化nuget包生成流程自动触发构建Jenkins定时轮询触发SVN客户端钩子触发SVN服务器钩子触发三种钩子比较结语参考文档
杰哥很忙·2019-01-28 18:00

RF、GBDT和XGBoost入门

一、算法介绍RF（RandomForest）、GBDT（GradientBoostingDecisionTree）和XGBoost（eXtremeGradientBoosting）都属于机器学习中的集成学习
beckham999221·2019-01-26 12:58

AI（人工智能）相关系列文章

开发系列介绍搭建开发环境（Windows、Ubuntu）第一个程序：HelloWorldmnist文件解析（C++，opencv）基础概念及数据类型机器学习基础基础概念决策树神经网络支持向量机（SVM）贝叶斯分类器集成学习聚类降维特征选择和稀疏学习计算学习理论半监督学习概率图模型规则学习强化学习转自
放羊的狼123·2019-01-24 23:51

Jenkins持续集成学习-Windows环境进行.Net开发2

目录Jenkins持续集成学习-Windows环境进行.Net开发2目录前言目标使用.NetStardard单元测试流程手动执行单元测试自动执行单元测试单元测试报告上传Nuget包优化流程结语参考文档Jenkins
杰哥很忙·2019-01-24 18:00

MATLAB中的分类器

目前了解到的MATLAB中分类器有：K近邻分类器，随机森林分类器，朴素贝叶斯，集成学习方法，鉴别分析分类器，支持向量机。现将其主要函数使用方法总结如下，更多细节需参考MATLAB帮助文件。
阿琛与树·2019-01-22 20:49

bagging算法

首先bagging算法是集成学习中两大类算法中的其中一个代表算法，还有另一类的经典算法是Xgboost。
hwang_zhic·2019-01-22 02:42

Jenkins持续集成学习-Windows环境进行.Net开发1

目录Jenkins持续集成学习-Windows环境进行.Net开发目录前言目标使用Jenkins安装添加.net环境配置部署结语参考文档Jenkins持续集成学习-Windows环境进行.Net开发目录
杰哥很忙·2019-01-19 14:00

NLP面试题目16-20

决策树可用于分类与回归问题，应用于集成学习可得到随机森林、GBD
饥渴的小苹果·2019-01-15 23:17
上一页 47 48 49 50 51 52 53 54 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他