集成学习

随机森林（Random Forest）算法原理

随机森林（RandomForest）算法原理集成学习（Ensemble）思想、自助法（bootstrap）与bagging集成学习（ensemble）思想是为了解决单个模型或者某一组参数的模型所固有的缺陷
江户川柯壮·2018-02-23 23:24

《Scikit-Learn与TensorFlow机器学习实用指南》 第02章 一个完整的机器学习项目（上）

（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·2018-02-21 21:44

机器学习习题（15）

在新的9题机器学习习题中，我们主要讲解了4个方面：集成学习里随机森林与GBDT等相关知识，PCA降维的相关知识，聚类算法的相关知识，KNN的相关知识。
刘炫320·2018-02-21 19:31

RF、GBDT、XGBoost面试级整理

http://blog.csdn.net/qq_28031525/article/details/70207918RF、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
GoDeep·2018-02-21 11:20

集成学习方法及思想总结

集成学习（EnsembleLearning）有时也被笼统地称作提升（Boosting）方法，广泛用于分类和回归任务。
nini_coded·2018-02-20 23:18

使用sklearn进行集成学习——实践

转自：http://www.cnblogs.com/jasonfreak/p/5720137.html系列《使用sklearn进行集成学习——理论》《使用sklearn进行集成学习——实践》目录1RandomForest
shelley__huang·2018-02-19 20:28

GBDT、XGBoost、LightGBM 的使用及参数调优

GBDT概述GBDT是梯度提升树（GradientBoostingDecisonTree）的简称，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。
火眼0狻猊·2018-02-09 10:04

RF(随机森林)、GBDT、XGBoost算法简介

一、概念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。
_两只橙_·2018-02-08 10:52

第四章（1.1）机器学习——RF(随机森林)、GBDT、XGBoost算法

一、概念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。
两只橙·2018-02-08 09:06

RF(随机森林)、GBDT、XGBoost面试级整理

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。
大数据挖掘DT数据分析·2018-02-07 00:00

【机器学习】使用Scikit-Learn库实现随机森林

集成学习的基本理念：将弱分类器集成为鲁棒性更强的模型（强分类器）。分类器集成后具备更好的泛化误差，不容易过拟合。
ChenVast·2018-02-06 15:01

【机器学习】使用Scikit-Learn库实现随机森林

集成学习的基本理念：将弱分类器集成为鲁棒性更强的模型（强分类器）。分类器集成后具备更好的泛化误差，不容易过拟合。
ChenVast·2018-02-06 15:01

近年常用的几种DDOS攻击检测方法

1.基于组合分类器的ddos攻击流量分布式检测模型本研究提出了一种分布式攻击流量检测模型，该模型的核心检测部分采用的是机器学习中应用非常广泛的集成学习方法，即组合分类器的随机森林方法。
符智生·2018-01-29 01:00

近年常用的几种DDOS攻击检测方法

1.基于组合分类器的ddos攻击流量分布式检测模型本研究提出了一种分布式攻击流量检测模型，该模型的核心检测部分采用的是机器学习中应用非常广泛的集成学习方法，即组合分类器的随机森林方法。
符智生·2018-01-29 01:00

机器学习之集成学习（三）AdaBoost算法scikit-learn库

参考：https://www.cnblogs.com/pinard/p/6136914.html一、AdaBoost类库概述scikit-learn中AdaBoost类库比较直接，就是AdaBoostClassifier和AdaBoostRegressor两个，从名字就可以看出AdaBoostClassifier用于分类，AdaBoostRegressor用于回归。AdaBoostClassifi
ivy_reny·2018-01-24 18:52

机器学习教程 之 支持向量机：模型篇4–核函数与非线性优化

支持向量机是机器学习领域里最强的几种分类器之一，被广泛的运用于各种分类回归问题，如果不考虑集成学习算法以及近几年出现的深度学习算法，支持向量机的性能可以说是在学习领域具有统治地位，在一些中小型的数据集上它的性能甚至能够超过一些深度学习网络
Liangjun_Feng·2018-01-24 12:52

自然语言处理算法之集成算法基础以及boosting与bagging简介

在机器学习和统计学习中，集成学习(EnsembleLearning)是一种将多种学习算法组合在一起以取得更好表现的一种方法，机器学习下的集成学习主要是指有限的模型相互组合，而且可以有很多不同的结构，在自然语言处理过程中
lovive·2018-01-18 09:32

机器学习教程 之 支持向量机：模型篇3–对偶问题的求解: SMO算法

支持向量机是机器学习领域里最强的几种分类器之一，被广泛的运用于各种分类回归问题，如果不考虑集成学习算法以及近几年出现的深度学习算法，支持向量机的性能可以说是在学习领域具有统治地位，在一些中小型的数据集上它的性能甚至能够超过一些深度学习网络
Liangjun_Feng·2018-01-17 15:07

RF、GBDT、XGBoost、lightGBM原理与区别

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。
data_evangelists·2018-01-10 11:43

RF,GBDT,XGBoost,lightGBM的对比

RF,GBDT,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基本学习器的泛化能力和鲁棒性。
yealxxy·2018-01-09 20:46

机器学习实践之集成方法（随机森林和AdaBoost元算法提高分类性能）

一、概述1、概念理解集成学习方法是指组合多个模型，以获得更好的效果，使集成的模型具有更强的泛化能力。
georgeli_007·2018-01-01 10:27

集成学习Adaboost算法及python实现及sklearn包的调用

集成方法（ensemblemethod）要获得好的集成，个体学习器应“好而不同”，即个体学习器要有一定的准确性（不能太坏），并且要有多样性（学习器间具有差异）。集成方法主要可分为个体学习器存在强依赖关系，必须串行生成的序列化方法（Boosting），个体学习器不存在强依赖关系，可同时并行化方法（Bagging）。bagging基于数据重抽样的分类器构建方法在Bagging方法中，主要通过对训练数据
changzoe·2017-12-28 14:25

python实现随机森林random forest的原理及方法

根据个体学习器的生成方式，目前的集成学习方法大致可分为两大类，即个体学习器之间存在强依赖关系，必须串行生成的序列化方法，以及个体学习器间不存在强依赖关系，可同时生成的并行化
rosefun96·2017-12-21 11:24

集成学习基本原理：Adaboost，Bagging和Stacking

集成学习的基本原理是，训练多个“个体学习器”或者叫基分类器，基学习器。然后用某种策略将它们结合起来，最后可以产生比单一学习器优越得多的性能。集成学习的基本原理是什么呢？
飞翔的蓝鲸·2017-12-20 21:47

【机器学习】Bagging算法 与 随机森林算法 整理

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。
CWS_chen·2017-12-17 17:37

机器学习sklearn19.0——集成学习——boosting与梯度提升算法（GBDT）、Adaboost算法

一、boosting算法原理二、梯度提升算法关于提升梯度算法的详细介绍，参照博客：http://www.cnblogs.com/pinard/p/6140514.html对该算法的sklearn的类库介绍和调参，参照网址：http://www.cnblogs.com/pinard/p/6143927.htmlxgboost安装（1）在网址  https://www.lfd.uci.edu/~goh
loveliuzz·2017-12-17 10:28

【机器学习】机器学习之集成学习

集成学习思想：对于比较复杂的任务，综合许多人的意见来进行决策会比“一家独大”更好。适当的方式集成许多“个体模型”所得到的最终模型要比单独的个体模型性能更优。
ChenVast·2017-12-14 15:12

[机器学习]集成学习简单投票法概率

基于周志华的西瓜书(p.172)解释集成学习简单投票法概率。
落痕 月极·2017-12-10 20:43

集成学习（Ensemble Learning）

本博客是针对周志华教授所著《机器学习》的“第8章集成学习”部分内容的学习笔记。
蓝色枫魂·2017-12-09 15:22

集成学习系列(三)-AdaBoost训练误差分析

有关Adaboost的相关原理，详见：http://www.jianshu.com/p/f2017cc696e6我们首先来回顾一下Adaboost算法的基本流程：这一节我们来学习一下有关Adaboost误差的一些相关性质。AdaBoost最基本的性质是它能在学习过程中不断减少训练误差，即在训练数据上的分类误差率，关于这个问题有下面的定理：上面的式子证明十分简单：如果有些地方不懂的，也可以看我自己推
文哥的学习日记·2017-12-09 14:01

三个臭皮匠赛过诸葛亮----集成学习算法

转自：https://www.cnblogs.com/wxquare/p/5440664.html有删改姓名：梁祥学号：17021210935【嵌牛导读】：泛化能力是机器学习关注的一个根本问题，其表征了学习系统对新事件的适用性，一般来说泛化能力越强越好。集成方法是构建一种对单个分类器进行集成的学习算法，将各分类器的分类结果以一定的方式集成起来实现对新数据点的分类。其中，单个分类器是独立的且不要求分
Leon_66·2017-12-04 12:04

机器学习方法篇(17)------集成学习

单个模型的性能效果通常弱于多个模型的融合结果，而这种融合就叫做集成学习。那么集成学习有哪些常见模型？这种集成是否一定能提升模型效果呢？集成学习在做多人决策时，通常采取投票机制，即“少数服从多数”。
对半独白·2017-11-19 17:24

EDA To Prediction(DieTanic)

探索性数据分析（EDA）1）分析特征2）发现多个特征之间的关系Part2：特征工程和数据清洗1）加入少数特征2）移除冗余特征3）把特征转换为适合建模的格式Part3：预测建模1）运行基础算法2）交叉验证3）集成学习
Lanbocsdn·2017-11-13 17:58

集成学习和随机森林的简单概念笔记

Booststraping名字来自成语“pullupbyyourownbootstraps”，意思是依靠你自己的资源，称为自助法，它是一种有放回的抽样方法，它是非参数统计中一种重要的估计统计量方差进而进行区间估计的统计方法。其核心思想和基本步骤如下：（1）采用重抽样技术从原始样本中抽取一定数量（自己给定）的样本，此过程允许重复抽样。（2）根据抽出的样本计算给定的统计量T。（3）重复上述N次（一般大
programmingfool5·2017-11-11 13:39

Ensemble Learning方法总结

1.从Boosting到Stacking，概览集成学习的方法与性能原文地址：https://www.jiqizhixin.com/articles/2017-08-28-32.腾讯广告点击大赛：对stacking
bitcarmanlee·2017-11-08 22:32

机器学习之集成学习Ensemble

集成算法：将多个分类器集成起来而形成的新的分类算法。这类算法又称元算法(meta-algorithm)。最常见的集成思想有两种bagging和boosting。集成思想:boosting：重赋权（re-weighting）--基于错误提升分类器性能，通过集中关注被已有分类器分类错误的样本，构建新分类器并集成。boosting的思想是:训练集(其中各个元素)的权重是根据学习器的表现来改变的.bagg
女王の专属领地·2017-11-08 10:04

集成学习 bagging&boosting

bagging通过类似交叉验证的方式，产生多个子集，进行多次学习，然后对各模型的结果取平均数。就可以通过相对简单的模型，得到比较好的效果。相对于直接用比较复杂的模型，bagging不容易过拟合。boosting，组合多个（多次？）简单的学习器（弱学习器weaklearner），形成比较好的学习效果。弱学习器，正确率大于1/2即可。分布D？？？α(t)=1/2*ln((1-ε)/ε)http://b
且歌123·2017-11-06 00:13

机器学习十大算法---8. 随机森林算法

在学习随机森林之前我们想你学习以下集成学习（ensemble）的内容。随机森林简介随机森林顾名思义，是用随机的方式建立一个森林，森林里面有很多的决策树组成，随机森林的每一棵决策树之间是没有关联的。
女王の专属领地·2017-10-31 16:20

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）。
DASEason·2017-10-21 16:37

集成学习的原理

这就是集成学习的思想。集成学习集成学习(ensemblelearning)通过构建并结合多个学习器来完成学习任务。
gzj_1101·2017-10-19 19:22

集成学习

1.什么是集成学习？集成学习通过构建并结合多个学习器来完成学习任务，有时也被称为多分类器系统。基于同种类型的个体学习器，这样集成是同质，不同种类型的个体是异质的。2.集成学习方法大致分为哪两大类？
qingliangdexiar·2017-10-19 02:13

机器学习概念总结笔记（三）——分类决策树C4.5、集成学习Bagging算法Boosting算法随机森林算法迭代决策树算法、

原文：https://cloud.tencent.com/community/article/16187312）分类决策树C4.5C4.5算法继承了ID3算法的优点，并在以下几方面对ID3算法进行了改进：1)用信息增益率来选择属性，克服了用信息增益选择属性时偏向选择取值多的属性的不足；2)在树构造过程中进行剪枝；3)能够完成对连续属性的离散化处理；4)能够对不完整数据进行处理。C4.5算法有如下优
denghe1122·2017-10-11 20:28

集成学习之Adaboost算法原理小结

转自：http://www.cnblogs.com/pinard/p/6133937.html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
孙志杰_6bb7·2017-10-10 14:14

机器学习算法-随机森林(RF)

机器学习方法已在生产、科研和生活中有着广泛应用，而集成学习则是机器学习的首要热门方向。
AI_BigData_WH·2017-10-02 15:43

机器学习教程 之 集成学习算法： 深入刨析AdaBoost

Boosting是一族可以将弱学习器提升为强学习器的算法。这族算法的工作机制类似：先从初始训练集训练出一个基学习器，再根据基学习器的表现对训练样本分布进行调整，使得先前基学习器做错的训练样本在后续受到更多的关注，然后基于调整后的样本分布来训练下一个基学习器；如此重复进行，直至基学习器达到事先指定的值T，最终将这T个基学习器进行加权结合。Boosting族算法最著名的代表是AdaBoostADeci
Liangjun_Feng·2017-09-28 14:42

机器学习教程 之 集成学习算法： 深入刨析AdaBoost

Boosting是一族可以将弱学习器提升为强学习器的算法。这族算法的工作机制类似：先从初始训练集训练出一个基学习器，再根据基学习器的表现对训练样本分布进行调整，使得先前基学习器做错的训练样本在后续受到更多的关注，然后基于调整后的样本分布来训练下一个基学习器；如此重复进行，直至基学习器达到事先指定的值T，最终将这T个基学习器进行加权结合。Boosting族算法最著名的代表是AdaBoostADeci
Liangjun_Feng·2017-09-28 00:00

集成学习（Ensemble Learning ）简介

集成学习（EnsembleLearning）一、问题提出针对于下图的分类问题（线性可分问题），可以利用简单的线性分类器就可以获得很好的分类效果。
兮風·2017-09-11 09:25

【机器学习－西瓜书】八、集成学习：结合策略；多样性；总结

推荐阅读：总结；绝对多数投票法；误差-分歧分解8.4结合策略关键词：平均法；投票法；学习法;硬投票；软投票一开始就说到，集成学习有两个关键，第一，个体学习器；第二，结合策略。
TensorSense·2017-09-06 10:32

集成学习（Ensemble Learning）-bagging-boosting-stacking

文章目录EnsembleLearning:Bagging,Boosting,Stacking基本概念集成学习的条件Bagging(BootstrapAggregating,引导聚合)BoostingStacking
bymaymay·2017-09-03 19:40

使用集成学习提升机器学习算法性能

集成学习（Ensemble
secsilm·2017-08-30 18:18
上一页 52 53 54 55 56 57 58 59 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他