集成学习

机器学习面试题汇总(集成学习相关)

机器学习面试题汇总(集成学习相关)集成学习面试题1.什么是集成学习算法？2.集成学习主要有哪几种框架？3.简单介绍一下bagging，常用bagging算法有哪些？
Potato_45·2018-08-07 15:38

Jenkins自动化集成学习(四）将linux注册到Jenkins上

一、新建节点回到jenkins页面，点击“系统管理”——“管理节点”，点击“新建节点”在这里输入节点名称，比如：test_jenkins选中“固定代理”选项，然后点击ok。二、配置路径、ip、用户名、密码保存后可以看到linux主机已经添加成功。三、启动节点，验证linux是否注册到jenkins上点击创建的节点。稍等片刻，会看到linux主机已经注册到jenkins上。咦~~怎么出现失败呢？？？
MTbaby·2018-08-06 18:49

【机器学习】集成学习之stacking

stacking方法也是集成学习的一个作弊一样的方法。比bagging，boosting内容要少一点。
zhaosarsa·2018-08-02 20:40

【机器学习】集成学习各方法优缺点特征总结

随机森林优点具有极高的准确率随机性的引入，使得随机森林不容易过拟合，有很好的抗噪声能力，对异常点离群点不敏感能处理很高维度的数据，并且不用做特征选择既能处理离散型数据，也能处理连续型数据，数据集无需规范化（归一化）实现简单，训练速度快，可以得到变量重要性排序（计算每个特征在分裂时被选到的次数或者某个特征不纯度平均下降了多少）容易实现并行化在创建随机森林的时候，对generlizationerror
zhaosarsa·2018-08-02 19:11

图解集成学习中的梯度提升思想

摘要：本文讲述集成学习中的梯度提升方法的思想，以简单算术及图片的形式展示整个过程，一看就懂！
阿里云云栖社区·2018-08-01 00:00

机器学习-集成学习(AdaBoosting算法)

一，介绍AdaBoosting算法是Boosting算法中最常用的一种，其思想是：先从初始训练集训练一个基学习器，在根据基学习器的表现对训练样本进行调整，使得错误的训练样本在后续受到更多关注，然后调整样本分布训练下一个基学习器；如此重复直到学习器数目达到指定值T，最终将T个学习器进行加权结合。二，算法推导假设对训练数据进行二分类，训练集为N个多维的特征向量，学习器的数目为T个。则T个分类器的线性组
lyn5284767·2018-07-30 10:40

机器学习：集成学习

一、问题描述利用SVM、KNN、bp神经网络等算法进行集成学习，基于MNIST数据集进行手写识别的训练和测试。二、算法核心思想分析集成学习是将几个弱分类器结合起来，得到更好的分类结果。
ForTheDreamSMS·2018-07-27 22:56

python 集成学习 RandomForestClassifier，RandomForestRegressor 模型

运行环境：win1064位py3.6pycharm2018.1.1importmatplotlib.pyplotaspltimportnumpyasnpfromsklearnimportdatasets,cross_validation,ensemble,naive_bayes#加载分类数据集defload_data_classification():digits=datasets.load_di
Jack_丁明·2018-07-26 23:39

python 集成学习 GradientBoostingClassifier，GradientBoostingRegressor 模型

运行环境：win1064位py3.6pycharm2018.1.1importmatplotlib.pyplotaspltimportnumpyasnpfromsklearnimportdatasets,cross_validation,ensemble,naive_bayes#加载分类数据集defload_data_classification():digits=datasets.load_di
Jack_丁明·2018-07-26 22:55

python 集成学习 AdaBoostClassifier，AdaBoostRegressor模型

运行环境：win1064位py3.6pycharm2018.1.1importmatplotlib.pyplotaspltimportnumpyasnpfromsklearnimportdatasets,cross_validation,ensemble,naive_bayes#加载分类数据集defload_data_classification():digits=datasets.load_di
Jack_丁明·2018-07-26 22:29

RF、GBDT、XGBoost、LightGBM比较

RF、GBDT和XGBoost、LightGBM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。
我要一桶浆糊哈·2018-07-25 20:41

随机森林概述

书的购买链接书的勘误，优化，源代码资源在SIGAI之前的公众号文章“大话AdaBoost算法”中我们介绍了集成学习的思想以及Boosting算法，今天的文章中我们将为大家介绍另外一种集成学习算法-随机森林
SIGAI_csdn·2018-07-25 16:14

数据挖掘算法----集成学习算法

简介集成学习，通过将多个单个的学习器集成在一起，使它们共同完成学习任务，也被称为“多分类系统”。
liff_lee·2018-07-25 00:50

深度学习理论——简述Bagging & Stacking

大家好，这次来简单记录一下剩下这几种集成学习的概念，就不推公式了，比较简单。
Miss_yuki·2018-07-24 10:12

深度学习理论——AdaBoost算法

大家好，继续理论学习，今天进入了集成学习这一章，首先介绍AdaBoost算法。
Miss_yuki·2018-07-23 16:31

通俗理解集成学习boosting和bagging和随机森林

转载自csdn各种资料First，WhatisEnsembleLearning1.将多个分类方法聚集在一起，以提高分类的准确率（可以是相同or不同算法）2.集成学习法由训练数据构建一组基分类器，然后通过对每个基分类器的预测进行投票来进行分类
bboysky45·2018-07-20 21:09

随机森林（Random Forests）介绍

2.集成学习（EnsembleLearning）集成学习通过建立几个模型组合的来解决单一预测问题。它的工作原理是生成多个分类器/
daydayup_668819·2018-07-17 16:36

机器学习----集成学习

一、集成学习概述二、集成学习分类2.1、集成学习之boostingboosting之Adaboost2.2、集成学习之baggingbagging之随机森林2.3、bagging之Stacking三、集成学习之评定方法
sakura小樱·2018-07-16 20:00

《Hands-On Machine Learning with Scikit-Learn & TensorFlow》读书笔记 第七章 集成学习

这一组分类器就叫做集成；因此，这个技术就叫做集成学习，一个集成学习算法就叫做集成方法。例如，你可以训练一组决策树分类器，每一个都在一个随机的训练集上。为了去做预测，你
justry24·2018-07-14 20:19

集成学习

一.集成算法综述参考https://blog.csdn.net/ruiyiin/article/details/771140721.集成算法是一种优化手段或者策略，它通常是结合多个简单的弱机器学习算法，去做更可靠的决策。2.集成模型是一种能在各种的机器学习任务上提高准确率的强有力技术，集成算法往往是很多数据竞赛关键的一步，能够很好地提升算法的性能。3.现实生活中，我们经常会通过投票，开会等方式，以
messi_james·2018-07-13 18:40

校招准备内容

数据库编程语言基础：（Java，Python）1.数据类型2.装箱拆箱3.编码技巧4.数据结构面向对象思想设计模式高级知识：1.并行计算2.多线程3.资源管理机器学习基础：基础理论Logistic回归SVM树模型集成学习
二二二二呆·2018-07-12 15:07

Bagging和Boosting的概念与区别

Bagging和Boosting的概念与区别随机森林属于集成学习(ensemblelearning)中的bagging算法，在集成算法中主要分为bagging算法与boosting算法，Bagging算法
onemorepoint·2018-07-04 18:00

机器学习ensemble之stacking方法及新手的坑

BaggingBoostingStacking&blending理解错误认知正确认知多维数据的处理办法方法一方法二（reshape)Resources:原始博客查看：小白机器学习博客Ensembel(集成学习
大囧·2018-06-29 03:56

第7章 利用 AdaBoost 元算法提高分类性能

前言AdaBoost属于集成学习集成学习是指，以前用一个模型干的事，现在我用多个模型一块干(人多力量大)。
cb_guo·2018-06-28 11:47

机器学习集成学习算法——boosting系列

本篇基于机器学习（edt：周志华）的集成学习章节，衍生学习多种boosting集成学习算法。
光脚丫丫·2018-06-24 21:20

对xgboost和lightgbm的理解及其调参应该关注的点

这两个算法都是集成学习了分类回归树模型，先讨论是怎么集成的。
necther·2018-06-22 11:55

机器学习实战--AdaBoost集成学习方法

fromnumpyimport*defloadSimpData():datMat=matrix([[1.,2.1],[2.,1.1],[1.3,1.],[1.,1.],[2.,1.]])classLabels=[1.0,1.0,-1.0,-1.0,1.0]returndatMat,classLabels#函数功能:通过阀值比较对数据进行分类#dataMatrix:数据集的特征矩阵#dimen:第d
圈圈9527·2018-06-21 21:41

集成学习总结

集成学习———————————————————————————————————————————————————————–BaggingRF采样+属性选择采用Bootstrap随机选择训练样本，Bootstrap
Dynomite·2018-06-20 21:08

集成学习总结

集成学习———————————————————————————————————————————————————————–BaggingRF采样+属性选择采用Bootstrap随机选择训练样本，Bootstrap
Dynomite·2018-06-20 21:08

机器学习实战(用Scikit-learn和TensorFlow进行机器学习)(八)

上一节讲了决策树算法，虽然存在一些局限性，但是正是这种局限性造就了集成学习中的随机森林算法。八、集成学习与随机森林  假设要解决一个复杂的问题，让众多学生去回答，然后汇总他们的答案。
hellozhxy·2018-06-19 20:25

集成学习之Boosting —— Gradient Boosting原理

集成学习之Boosting——AdaBoost原理集成学习之Boosting——AdaBoost实现集成学习之Boosting——GradientBoosting原理集成学习之Boosting——GradientBoosting
massquantity·2018-06-13 17:00

集成学习lgb库调参的粒子群方法

粒子群算法是模拟鸟群蜂群的觅食行为的一种算法。基本思想是通过群体中个体之间的协作和信息共享来寻找最优解。试着想一下一群鸟在寻找食物，在这个区域中只有一只虫子，所有的鸟都不知道食物在哪。但是它们知道自己的当前位置距离食物有多远，同时它们知道离食物最近的鸟的位置。想一下这时候会发生什么？鸟A：哈哈哈原来虫子离我最近！鸟B,C,D：我得赶紧往A那里过去看看！同时各只鸟在位置不停变化时候离食物的距离也不断
necther·2018-06-12 09:46

集成学习之Boosting —— Gradient Boosting实现

GradientBoosting的一般算法流程初始化：\(f_0(x)=\mathop{\arg\min}\limits_\gamma\sum\limits_{i=1}^NL(y_i,\gamma)\)form=1toM:(a)计算负梯度：\(\tilde{y}_i=-\frac{\partialL(y_i,f_{m-1}(x_i))}{\partialf_{m-1}(x_i)},\qquadi=
massquantity·2018-06-11 19:00

boosting 和 bagging 的区别

ensemble的一种参考：https://quantdare.com/what-is-the-difference-between-bagging-and-boosting/boosting和bagging都是集成学习
CY_TEC·2018-06-09 13:29

boosting 和 bagging 的区别

ensemble的一种参考：https://quantdare.com/what-is-the-difference-between-bagging-and-boosting/boosting和bagging都是集成学习
CY_TEC·2018-06-09 13:29

提升方法（集成学习）

集成学习总结：思想：由多个分类器组合成一个性能更好的分类器。每个分类器应该好而不同，即本身准确率要足够高，并且之间要有多样性。集成学习研究的核心：如何产生好而不同的分类器？
CangHaier·2018-06-08 21:07

提升方法（集成学习）

集成学习总结：思想：由多个分类器组合成一个性能更好的分类器。每个分类器应该好而不同，即本身准确率要足够高，并且之间要有多样性。集成学习研究的核心：如何产生好而不同的分类器？
CangHaier·2018-06-08 21:07

机器学习之随机森林

随机森林（RandomForest）是Bagging的一个扩展变体，以随机选择的属性构建的决策树为基学习器，构建Bagging集成的一种集成学习方法。
liuy9803·2018-06-07 17:15

机器学习之集成学习

一、集成学习集成学习（Ensemblelearning）是使用一系列学习器进行学习，并使用某种规则把各个学习结果进行整合，从而获得比单个学习器显著优越的泛化性能。
liuy9803·2018-06-06 17:00

机器学习方法概述（持续更新。。。）

集成学习BoostingBaggingRandomForest集成学习：通过构建并结合多个学习器来完成学习任务。
一叶_障目·2018-06-05 15:42

啦啦啦啦

集成学习：*Bagging:将训练集随机采样成若干子训练集，产生若干基模型>基模型：强模型（低偏差高方差）、训练目标：关注方差，专注于增强模型的泛化能力。
馬走日·2018-06-01 15:36

机器学习算法二：详解Boosting系列算法一Adaboost

Boosting方法原理boosting算法是一类将弱学习器提升为强学习器的集成学习算法，它通过改变训练样本的权值，学习多个分类器，并将这些分类器进行线性组合，提高泛化性能。
harrycare·2018-06-01 09:22

Python机器学习（1）——异常点检测

本文主要介绍4种异常点检测方法，One-ClassSVM（一分类向量机，非高斯分布）、EllipticEnvelope（基于高斯概率密度的异常点检测）、IsolationForest（基于集成学习方法异常点检测
飞鸟2010·2018-05-31 17:48

Hoeffding霍夫丁不等式及其在集成学习理论的应用

Hoeffding霍夫丁不等式机器学习中，算法的泛化能力往往是通过研究泛化误差的概率上界所进行的，这个就称为泛化误差上界。直观的说，在有限的训练数据中得到的规律，则认为真实的总体数据中也是近似这个规律的。比如一个大罐子里装满了红球和白球，各一半，我随手抓了一把，然后根据这些红球白球的比例预测整个罐子也是这样的比例，这样做不一定很准确，但结果总是近似的，而且如果抓出的球越多，预测结果也就越可信。对于
我是小x·2018-05-28 15:23

机器学习.周志华《笔记目录和课后答案 》

课程目录第一、二章绪论& 模型评估与选择第三章线性模型第四章决策树第五章神经网络第六章支持向量机第七章贝叶斯分类器第八章集成学习第九章聚类第十章降纬与度量学习第十一章特征选择与稀疏学习第十二章计算理论学习第十三章半监督学习第十四章概率图模型第十五章规则学习第十六章强化学习
女王の专属领地·2018-05-23 00:00

[深度学习] 模型集成方法

本文转自：https://blog.csdn.net/siyue0211/article/details/80334924模型集成方法集成学习（ensemblelearning）是机器学习中一类学习算法
别说话写代码·2018-05-21 10:15

随机森林（RF）详解

随机森林是一种重要的基于Bagging的集成学习方法，可以用来做分类、回归等问题。它的组成是由多个弱学习器组成，CART（分类回归树）。RF的生成过程是由一个到多个CART的生成构成。
ch0831·2018-05-21 09:22

集成学习之Boosting —— AdaBoost原理

集成学习之Boosting——AdaBoost原理集成学习之Boosting——AdaBoost实现集成学习之Boosting——GradientBoosting原理集成学习之Boosting——GradientBoosting
massquantity·2018-05-20 12:00

集成学习之Boosting —— AdaBoost实现

集成学习之Boosting——AdaBoost原理集成学习之Boosting——AdaBoost实现AdaBoost的一般算法流程输入：训练数据集\(T=\left\{(x_1,y_1),(x_2,y_
massquantity·2018-05-19 20:00

机器学习（周志华）读书笔记---第8章 集成学习

8.1个体与集成集成学习通过构建并结合多个学习器来提升性能弱学习：泛化性能略高于50%的分类器强学习：由弱学习提升而来集成的结果通过投票产生集成个体应好而不同在一定条件下，随着集成分类器数目增加，集成的错误率将指数级下降
铭宇要做后端攻城狮·2018-05-19 13:10
上一页 50 51 52 53 54 55 56 57 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他