集成学习

集成学习之Boosting —— XGBoost

集成学习之Boosting——AdaBoost集成学习之Boosting——GradientBoosting集成学习之Boosting——XGBoostGradientBoosting可以看做是一个总体的算法框架
massquantity·2018-10-16 06:00

【资源】机器学习算法工程师手册（PDF下载）

专知目录如下，还有部分内容作者正在整理中...数学基础1.线性代数基础2.概率论基础3.数值计算基础4.常用函数统计学习0.机器学习简介1.线性代数基础2.支持向量机3.朴素贝叶斯4.决策树5.knn6.集成学习
机器学习算法与Python学习-公众号·2018-10-14 12:00

关于集成学习的总结（一） 投票法

可惜我上高中初中那会，从来都没记过233333这篇集成学习的总结呢，将结合sklearn的运用说一说有关集成学习的一些东西，包括bagging、boosting、stacking和其他一些算法，我们会重点讨论随机森林
PythonstartL·2018-10-13 16:51

集成学习(Ensemble Learning),Bagging、Boosting、Stacking

1集成学习概述1.1概述在一些数据挖掘竞赛中，后期我们需要对多个模型进行融合以提高效果时，常常会用Bagging，Boosting，Stacking等这几个框架算法，他们不是一种算法，而是一种集成模型的框架
Lavi_qq_2910138025·2018-10-12 10:43

adaboost算法原理及sklearn中使用办法

转自https://www.cnblogs.com/pinard/p/6136914.html，感谢作者在集成学习原理小结中，我们讲到了集成学习按照个体学习器之间是否存在依赖关系可以分为两类，第一个是个体学习器之间存在强依赖关系
hahaha_2017·2018-10-08 16:50

机器学习算法深度总结(10)-集成学习

集成学习(Ensemble)是一大类模型融合策略和方法的统称,包含多种集成学习思想.集成学习把性能较低的多种弱学习器,通过适当组合形成高性能强学习器的方法."
婉妃·2018-10-08 13:52

统计学习方法（5）集成学习（提升方法）：bagging和boosting

1、Bagging：基于并行策略：基学习器之间不存在依赖关系，可同时生成。基本思路：利用自助采样法对训练集随机采样，重复进行T次;基于每个采样集训练一个基学习器，并得到T个基学习器；预测时，集体投票决策。自助采样法：对m个样本的训练集，有放回的采样m次；此时，样本在m次采样中始终没被采样的概率约为0.368，即每次自助采样只能采样到全部样本的63%左右。采样和训练过程:特点：训练每个基学习器时只使
简之·2018-10-06 15:30

机器学习与深度学习系列连载： 第一部分 机器学习（十二）集成学习（Ensemble）

集成学习（Ensemble）1.Bagging我们考虑当结果的方差variance很大，如何降低variance。
人工智能插班生·2018-10-02 22:51

集成学习—Boosting、Bagging

目录集成学习1、Boosting1.1、AdaBoost1.2、GBDT1.3、XGBoost2、Bagging2.1、随机森林3、Boosting与Bagging对比集成学习集成学习(ensemblelearning
choven_meng·2018-09-28 17:53

集成学习总结

集成算法总结:1.思想:将若干个弱学习器组合之后产生一个新学习器，弱学习器的准确率需在0.5以上。2.算法分类：1.Bagging.2.Boosting.3.Stacking3.算法简介:Bagging:通过随机采样，从训练集中采集固定个数的样本，没采集一次都将样本放回，也就是说之前采集到的样本有可能被继续采集到。然后选择出T个数据集分别训练T个模型的集成技术。随机森林(RF)：（随机森林在构建过
NeilGY·2018-09-21 16:39

《Scikit-Learn与TensorFlow机器学习实用指南》 第09章 启动并运行TensorFlow

（第一部分机器学习基础）第01章机器学习概览第02章一个完整的机器学习项目（上）第02章一个完整的机器学习项目（下）第03章分类第04章训练模型第05章支持向量机第06章决策树第07章集成学习和随机森林第
SeanCheney·2018-09-20 13:33

深入理解机器学习——基于决策树的模型（一）：分类树和回归树

分类目录：《深入理解机器学习》总目录相关文章：基于决策树的模型（一）分类树和回归树基于树的模型（二）：集成学习之Bagging和RandomForest基于树的模型（三）：集成学习之GBDT和XGBoost
洪远·2018-09-17 09:47

最近的事

技术0.Java基础：（16上）1.数据结构：看一遍《算法》，过一遍《剑指》，《刷ing》(晚15，16上，16下)2.ML算法：常见的，集成学习的。深度学习基本思想。常见的数据预处理方法。
大海一滴写字的地方·2018-09-15 16:45

最近的事

技术0.Java基础：（16上）1.数据结构：看一遍《算法》，过一遍《剑指》，《刷ing》(晚15，16上，16下)2.ML算法：常见的，集成学习的。深度学习基本思想。常见的数据预处理方法。
大海一滴写字的地方·2018-09-15 16:45

集成学习之Bagging和Boosting的简介

一、什么是集成学习集成学习在机器学习算法中具有较高的准确率，不足的就是模型训练比较复杂，效率不高。
Star_ACE·2018-09-13 15:43

《Scikit-Learn与TensorFlow机器学习实用指南》 第08章 降维

（第一部分机器学习基础）第01章机器学习概览第02章一个完整的机器学习项目（上）第02章一个完整的机器学习项目（下）第03章分类第04章训练模型第05章支持向量机第06章决策树第07章集成学习和随机森林第
SeanCheney·2018-09-13 12:07

GBDT模型总结(GB,DT,调参)

一.集成学习方法：参考：https://www.jianshu.com/p/6c0a286020cb二.GB的理解(就是用梯度下降的方法来解Boosting，所以叫GB，目标是求出boost的函数组合的最优解
雷_哥·2018-09-12 14:59

《Scikit-Learn与TensorFlow机器学习实用指南》 第05章 支持向量机

（第一部分机器学习基础）第01章机器学习概览第02章一个完整的机器学习项目（上）第02章一个完整的机器学习项目（下）第03章分类第04章训练模型第05章支持向量机第06章决策树第07章集成学习和随机森林第
SeanCheney·2018-09-10 14:10

机器学习中的集成学习

集成学习本质上就是将多个基学习器通过某种结合策略结合在一起然后输出结果。现在我们介绍一下集成学习的种类：1.Boosting，采用的是串行工作机制。其中最为经典的就是AdaBoost。
donkey_1993·2018-09-10 11:05

hands-on Machine Learning with sklearn

一、机器学习概览三、分类1、二分类器2、多分类器3、误差分析四、训练模型1、线性回归和逻辑回归2、逻辑回归3、softmax回归练习题4五、SVM练习题5六、决策树练习题6七、集成学习练习题7八、降维练习题
呆呆的猫·2018-09-09 23:35

博文目录

机器学习类别不平衡机器学习之类别不平衡问题(1)——各种评估指标机器学习之类别不平衡问题(2)——ROC和PR曲线机器学习之类别不平衡问题(3)——采样方法集成学习集成学习之Boosting——AdaBoost
massquantity·2018-09-08 20:00

随机森林算法学习(RandomForest)

要学随机森林，首先先简单介绍一下集成学习方法和决策树算法。下文仅对该两种方法做简单介绍（具体学习推荐看统计学习方法的第5章和第8章）。Bagging和Boosti
Di_Wong·2018-09-08 14:44

随机森林算法学习(RandomForest)

要学随机森林，首先先简单介绍一下集成学习方法和决策树算法。下文仅对该两种方法做简单介绍（具体学习推荐看统计学习方法的第5章和第8章）。Bagging和Boosti
Di_Wong·2018-09-08 14:44

《Scikit-Learn与TensorFlow机器学习实用指南》 第04章 训练模型

（第一部分机器学习基础）第01章机器学习概览第02章一个完整的机器学习项目（上）第02章一个完整的机器学习项目（下）第03章分类第04章训练模型第05章支持向量机第06章决策树第07章集成学习和随机森林第
SeanCheney·2018-09-07 17:45

理解AdaBoost算法

书的购买链接书的勘误，优化，源代码资源与随机森林一样，Boosting算法也是一种集成学习算法，随机森林和集成学习在SIGAI之前的公众号文章“随机森林概述”中已经介绍。
SIGAI_csdn·2018-09-04 15:47

ML--集成学习快速理解

什么是集成学习集成学习是指通过训练多个分类器，然后将这些分类器组合起来，来获得比单个分类器更优的性能。
bllddee·2018-09-04 09:34

集成学习：AdaBoost的python实现

概述AdaBoost（AdaptiveBoosting）是一种集成学习技术，可将弱学习器提升为强学习器。
da_kao_la·2018-09-02 15:03

你想看的集成学习之bagging和boosting区别特征及例子

这篇文章主要讲述集成学习的bagging和boosting。
blank_tju·2018-08-30 23:57

RF，GBDT，XgBoost的区别

然后根据N个决策树输出的结果决定最终结果（离散型的输出：取最多的类别，连续型的输出：取平均数），是一种集成学习下面引用的是谢益辉博士关于Bootstrap（和Jackknife）基本思想的论述一般情况下
Re0:c++入门到放弃·2018-08-28 17:42

集成学习 bagging RF提高分类准确率

集成学习是将多个基分类器进行组合，提高分类的准确率，组合的策略有投票法、平均法、加权法、学习法（尚没有看懂），基分类器要做到“好而不同”，每个基分类器学习不同的特征，要有多样性。采用自助采样法。
dashan8608·2018-08-28 14:54

Adaboost、GBDT与XGBoost的区别

Boosting集成算法中Adaboost、GBDT与XGBoost的区别所谓集成学习，是指构建多个分类器（弱分类器）对数据集进行预测，然后用某种策略将多个分类器预测的结果集成起来，作为最终预测结果。
hellozhxy·2018-08-28 10:37

机器学习算法——集成算法（一）

事实上，如何产生并结合‘好而不同’的个体学习器，恰是集成学习研究的核心”（对准确性和多样性的论述还不是很理解）。按照个体学习器之间的关系，分
MonkyK·2018-08-27 19:52

机器学习算法（4）之支持向量机的简易版

如果不考虑集成学习的算法，不考虑特定的训练数据集，在分类算法中的表现SVM说是排第一估计是没有什么异议的。
不曾走远~·2018-08-27 13:43

python实现随机森林

所以随机森林是基于多颗决策树的一种集成学习算法，常见的决策树算法主要有以下几种：1.ID3：使用信息增益g(D,A)进行特征选择2.C4.5：信息增益率=g(D,A)/H(A)3.CART：基尼系数一个特征的信息增益
随心1993·2018-08-26 18:59

【机器学习】AdaBoost算法Python实现

回顾集成学习，这里我们先介绍了集成学习的相关知识，集成学习就是通过构建并结合多个学习器来完成学习任务。
Daycym·2018-08-25 17:15

【机器学习】AdaBoost算法Python实现

回顾集成学习，这里我们先介绍了集成学习的相关知识，集成学习就是通过构建并结合多个学习器来完成学习任务。
Daycym·2018-08-25 17:15

集成学习（Bagging、Boosting、Stacking）

不同算法的集成（集成个体应“好而不同”）同一算法在不同设置的集成数据集不同部分分配给不同分类器之后的集成集成学习中需要有效地生成多样性大的个体学习器，需要多样性增强：对数据样本进行扰动（敏感：决策树、神经网络
Shingle_·2018-08-23 01:20

【机器学习】提升方法AdaBoost算法

前言此博客介绍了关于集成学习的相关知识，在学习AdaBoostAdaBoost算法前，可以先了解下集成学习。提升（Boosting）方法是一种常用的统计学习方法，应用广泛且有效。
Daycym·2018-08-21 22:16

【机器学习】提升方法AdaBoost算法

前言此博客介绍了关于集成学习的相关知识，在学习AdaBoostAdaBoost算法前，可以先了解下集成学习。提升（Boosting）方法是一种常用的统计学习方法，应用广泛且有效。
Daycym·2018-08-21 22:16

【机器学习】快速理解集成学习（Ensemble Learning）

集成学习集成学习就是通过构建并结合多个学习器来完成学习任务。上图显示了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；通过“投票法”产生输出。
Daycym·2018-08-21 16:49

【机器学习】快速理解集成学习（Ensemble Learning）

集成学习集成学习就是通过构建并结合多个学习器来完成学习任务。上图显示了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；通过“投票法”产生输出。
Daycym·2018-08-21 16:49

GBDT、RF、SVM、XGBoost面试要点整理

一、GBDT算法1、算法简介GBDT，梯度上升决策树属于集成学习 
God_6838·2018-08-19 00:00

详解提升树模型（boosting tree）和梯度提升树模型（GBDT）

1、集成方法之BoostingBoosting方法是集成学习中重要的一种方法，在集成学习方法中最主要的两种方法为Bagging和Boosting，在Bagging中，通过对训练样本重新采样的方法得到不同的训练样本集
CC丶Z·2018-08-16 18:17

机器学习算法概述：随机森林&逻辑回归

随机森林是用于分类和回归的监督式集成学习模型。为了使整体性能更好，集成学习模型聚合了多个机器学习模型。因为每个模型单独使用时性能表现的不是很好，但如果放在一个整体中则很强大。
阿里云云栖社区·2018-08-16 11:49

Ensemble Learning常见方法总结（Bagging、Boosting、Stacking、Blending）

南京大学周志华教授在09年发布的论文中《EnsembleLearning》对集成学习中常见的三种方法（Boosting、Bagging和Sta
敲代码的quant·2018-08-14 17:07

（七）决策树（ID3、C4.5）

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。
LintaoD·2018-08-13 10:17

利用随机森林对特征重要性进行评估 方法一

https://hal.archives-ouvertes.fr/file/index/docid/755489/filename/PRLv4.pdf前言随机森林是以决策树为基学习器的集成学习算法。
张博208·2018-08-10 20:48

机器学习经典算法 - Bagging & Boosting

EnsembleLearning集成学习通过整合多个不同模型来实现对复杂问题的更准确建模，其实现方式多样，但共同的特征是：从总体数据集的多个子集中发掘出针对该子集具有分类能力，但不一定在其他子集当中同样有效的特征
拓季·2018-08-10 15:04

集成学习 ensemble learning

集成学习（ensemblelearning）：集成学习通过构建并结合多个学习器来完成学习任务。
Dod_Jdi·2018-08-08 09:32

集成学习 ensemble learning

集成学习（ensemblelearning）：集成学习通过构建并结合多个学习器来完成学习任务。
Dod_Jdi·2018-08-08 09:32
上一页 49 50 51 52 53 54 55 56 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他