集成学习

集成学习

集成学习（EnsembleLearning）：把大大小小的多种算法融合在一起，共同协作来解决一个问题。这些算法可以是不同的算法，也可以是相同的算法。
u013656914·2016-03-19 15:00

bagging和boosting 总结，较全

原文地址：http://blog.csdn.net/ice110956/article/details/10077717作为集成学习的二个方法，其实bagging和boosting的实现比较容易理解，但是理论证明比较费力
u014114990·2016-03-18 11:00

并行化随机森林实现分析

算法思想及数据结构随机森林是由美国科学家LeoBreiman将其在1996年提出的Bagging集成学习理论与Ho在1998年提出的随机子空间方法相结合,于2001年发表的一
虚心的小胖·2016-03-03 21:58

GBDT/GBRT迭代决策树

随着集成学习的发展，出现了比较典型的迭代决策树GBDT和随机森林RF，即将多棵单决策树进行模型组合，形成多决策树，可以看成Treelink。      
初雪之音·2016-02-16 11:00

集成学习总结

近日在学习集成学习，在此总结一下集成学习的思路，本稿仍未完结，待补充。
罗达志·2016-02-01 18:27

Bagging和Boosting的对比：

Bagging和Boosting的对比：集成学习，多个弱学习器的结合得到强学习器两种方法：baggingboostingBagging(randomforest):采用重复随机的采样，随机子样本集or子特征集
Rachel-chen·2015-11-24 21:22

2015.11.17系统集成学习

第五章  信息化基础知识 1、国家信息化体系6大要素:    信息技术应用---处于龙头地位     信息资源---------核心人物     信息网络---------应用基础     信息技术和产业---建设基础      信息化人才---------成功之本      信息化法规----------保障      图形记忆（鹰上--应用、下鸡--技术、左人--人才、右龟---规范） 2、电
tsechuang·2015-11-17 15:47

2015.11.17系统集成学习

第五章信息化基础知识1、国家信息化体系6大要素:信息技术应用---处于龙头地位信息资源---------核心人物信息网络---------应用基础信息技术和产业---建设基础信息化人才---------成功之本信息化法规----------保障图形记忆（鹰上--应用、下鸡--技术、左人--人才、右龟---规范）2、电子政务：政府间的（G2G）、政府对企业（G2B）、政府对公民（G2C）、政府对公务
tsechuang·2015-11-17 15:47

集成学习——Boosting和Bagging

link: http://m.blog.csdn.net/blog/fenghuangdesire/45013167集成学习基本思想：如果单个分类器表现的很好，那么为什么不适用多个分类器呢？
renyp8799·2015-11-14 17:00

集成学习---bagging and boosting

作为集成学习的二个方法，其实bagging和boosting的实现比较容易理解，但是理论证明比较费力。下面首先介绍这两种方法。
·2015-11-13 16:57

一些知识点的初步理解_1(集成学习,ing...)

      最近在看一些集成学习方面的知识，其中南京大学的周志华教授写的几篇关于集成学习综述性的文章还不错。
·2015-11-12 18:47

集成学习 概念介绍

集成学习（Esemble learning）      在机器学习领域，如何根据观察数据学习一个精确的估计数据是一个主要问题。
·2015-11-11 17:47

weka 集成学习

import java.io.*;import weka.classifiers.*;import weka.classifiers.meta.Vote;import weka.core.Instance;import weka.core.Instances;import weka.core.SelectedTag;import weka.core.converters.ArffLoader;pu
·2015-11-11 17:39

选择性集成学习

         在机器学习领域，集成学习由于可以提高学习系统的泛化能力，因此被广泛关注使用。
·2015-11-11 07:08

Ensemble learning（集成学习）

     集成学习：是目前机器学习的一大热门方向，所谓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。
·2015-11-11 07:06

看到的一篇总结性的文章。先存着

主要分类方法介绍解决分类问题的方法很多，单一的分类方法主要包括：决策树、贝叶斯、人工神经网络、K-近邻、支持向量机和基于关联规则的分类等；另外还有用于组合单一分类方法的集成学习算法，如Bagging和Boosting
u011954647·2015-11-10 20:00

C语言教材推荐

《C语言程序设计》谭浩强 集成学习环境(C语言) C语言学习系统 很多人对学习C语言感到无从下手，经常问我同一个问题：究竟怎样学习C语言？
·2015-10-31 10:15

持续集成学习总结(一)

  Ⅲ.Hudson，目前使用最广的持续集成工具.（ http://hudson-ci.org/） 厂商 Java.net 支持的编程语言 Java 是否开源 是 价格 免费 主流 SCM 支持程度 Clear Case ， VSS,   CVS, Subversion ，
·2015-10-31 10:14

持续集成学习总结(四)

（四）基于 Ant 搭建敏捷开发过程中的持续集成环境 持续集成（CI）是敏捷开发过程中至为关键的一个环节，在每个迭代开发周期中，合理地对软件产品进行持续集成，将有效协调软件编码，测试以及版本发布各个团队的工作进程，降低软件开发风险，对客户需求做出最及时有效的反馈。Apache Ant 提供了丰富的核心任务以及扩展任务来完成持续集成过程中的各项工作，同时开源社区 Ant-Contrib提供的 An
·2015-10-31 09:06

持续集成学习总结(二)

安装CI 安装是我们开始的第一步，同时也对各个CI server都有了初步的印象。按照各自的手册，很快就装好了，我基本上选择的是Standalone的版本，就是不配置数据库，使用自带的，也不deploy到Tomcat或者其它容器，这点，基本上每个CI Server都非常简单。 AntHill要download还得提交一个request，然后才能下载，安装。 配置项目 在大多数的CI
·2015-10-31 09:06

持续集成学习总结(三)

（三）持续集成的具体实施经验举例 持续集成有很多很多的好处。可是持续集成要做好的话，本身就有很多的讲究。从持续集成工具的选择到持续集成具体实施，每一点都可能影响到你使用持续集成的效果。持续集成不是持续编译，也不是仅仅用来发发邮件的工具而已。    首先选择一个好的工具很重要，可能会觉得QuickBuild这个工具真得很不错。工具选好了，具体怎么做呢？这个没有什么标
·2015-10-31 09:06

几种Boost算法的比较(Discrete AdaBoost, Real AdaBoost, LogitBoost, Gentle Adaboost)

关于boost算法 　　boost算法是基于PAC学习理论（probably approximately correct）而建立的一套集成学习算法(ensemble learning)。
·2015-10-27 13:28

Adaboost

Adaboost是集成学习中最常用的算法之一。该算法是损失函数为指数损失的前向分步加法模型。下面是这一结论的证明过程。
march_on·2015-10-22 10:00

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。
qq_18343569·2015-10-10 13:00

集成学习：机器学习兵器谱的“屠龙刀”

本文作者认为，集成学习是一种立竿见影、从不过时的方法，堪称机器学习兵器谱上排名第一的“屠龙刀”。
xinxing__8185·2015-09-17 10:00

运用神经网络方法找寻集成学习中的最优权重

转载自：http://dataunion.org/20670.html简介众所周知，如今在众多数据科学竞赛中的获奖方案中，使用集成学习算法已然成为了家常便饭。
MemRay·2015-09-06 11:04

简单易学的机器学习算法——集成方法(Ensemble Method)

一、集成学习方法的思想  前面介绍了一系列的算法，每个算法有不同的适用范围，例如有处理线性可分问题的，有处理线性不可分问题。
google19890102·2015-06-16 11:00

集成学习——Boosting和Bagging

集成学习基本思想：如果单个分类器表现的很好，那么为什么不适用多个分类器呢？
GeekStuff·2015-04-12 20:18

分类算法总结

总结的还不错. 2.4.1主要分类方法介绍解决分类问题的方法很多[40-42]，单一的分类方法主要包括：决策树、贝叶斯、人工神经网络、K-近邻、支持向量机和基于关联规则的分类等；另外还有用于组合单一分类方法的集成学习算法
qq1987924·2015-04-03 08:00

MLlib中的Random Forests和Boosting

Random Forests和GBTs属于ensemble learning algorithms（集成学习算法），通过组合多个决策树来建立更为强大的模型。
xiao_jun_0820·2015-03-17 10:00

复习机器学习算法：Boosting

 Boosting的思想是集成学习，把许多个弱分类器结合起来，构成一个强分类器。 首先输入原始的训练样本，得到一个弱分类器，可以知道它的正确率和错误率。
puqutogether·2015-03-05 10:00

Ng机器学习系列补充：6、集成学习算法AdaBoost(Adaptive Boosting)

  机器学习补充系列国际权威的学术组织theIEEEInternationalConferenceonDataMining(ICDM，国际数据哇局会议)2006年12月评选出了数据挖掘领域的十大经典算法：C4.5,k-Means,SVM,Apriori,EM,PageRank,AdaBoost,kNN,NaiveBayes,andCART，它们在数据挖掘领域都产生了极为深远的影响，这里对他们做一个
mmc2015·2015-01-10 15:00

机器学习算法笔记

1、集成学习：多个learner共同决策，但会消耗计算资源和存储资源2、bagging:boostingaggregating同智分类器集成——大多数情况异智分类器集成同智：分类器是同一种3、boosting
Sun7_She·2014-11-07 10:00

分类算法总结

主要分类方法介绍解决分类问题的方法很多，单一的分类方法主要包括：决策树、贝叶斯、人工神经网络、K-近邻、支持向量机和基于关联规则的分类等；另外还有用于组合单一分类方法的集成学习算法，如Bagging和Boosting
惟吾德馨·2014-11-04 19:00

svmrank原理

下面简单总结一下使用svmrank进行集成学习的方法。首先把数据分为训练集、验证集、测试集，然后都进行特征提取和量化训练集（training）：原始数据，每一列都是特征，用来提取原始特征，训练多个基
jiutianhe·2014-09-22 15:00

集成学习(Ensemble Learning)

1、集成学习主要采用“三个臭皮匠抵过一个诸葛亮”的思想，集成了多个较为弱小的学习器，以使得实验获得好的效果产生历史：结合多个分类器比一个分类器的方法还要好2、构造集成器的方法可以采用majorityvoting
haimengao·2014-07-29 11:00

[置顶] 【机器学习】AdaBoost算法详解

Boosting算法是一种集成学习方案。何谓集成学习？在理解集成学习之前，我们先介绍传统的学习方法，就是通过单个分类器来做决策，例如朴素贝
zhuangxiaobin·2014-05-18 14:00

bootstrps 、bagging与 boosting

http://blog.sina.com.cn/s/blog_5dd2e9270100c8ko.htmlbootstrpsbaggingboosting这几个概念经常用到，现仔细学习了一下：他们都属于集成学习方法
maverick1990·2014-05-09 15:00

Boosting, Online Boosting,adaboost

bagging,boosting,adboost,randomforests都属于集成学习范畴.在boosting算法产生之前，还出现过两种比较重要的算法，即boostrapping方法和bagging
wangkr111·2014-03-13 14:00

linux系统 jenkins svn maven持续集成学习

1.http://jenkins-ci.org/网站下载最新版本，jenkins.war。2.服务器上配置好tomcat，把war包放入webapps目录即可。3.可以修改主目录，设置环境变量 JENKINS_HOME=/home/jenkins/4.部署maven应用，命令引入环境变量 /opt/maven-3.0.3/bin/mvn  配置/conf/settings.xml文件中maven文
huaishu·2013-12-31 19:00

Ensemble Methods Foundations and Algorithms 中文译文——Preface

前言（Preface）    集成学习方法是指训练多个学习器并将它们组合使用。Boosting和Bagging是集成方法的主要代表，它们是目前主流的集成学习方法。
吴文敏·2013-11-23 22:00

机器学习-分类算法总结

总结的还不错. 2.4.1主要分类方法介绍解决分类问题的方法很多[40-42]，单一的分类方法主要包括：决策树、贝叶斯、人工神经网络、K-近邻、支持向量机和基于关联规则的分类等；另外还有用于组合单一分类方法的集成学习算法
u010064842·2013-10-06 16:00

集成学习---bagging and boosting

作为集成学习的二个方法，其实bagging和boosting的实现比较容易理解，但是理论证明比较费力。下面首先介绍这两种方法。
jirongzi_cs2011·2013-08-30 16:00

集成学习——bagging and boosting

作为集成学习的二个方法，其实bagging和boosting的实现比较容易理解，但是理论证明比较费力。下面首先介绍这两种方法。
ice110956·2013-08-19 20:56

集成学习——bagging and boosting

作为集成学习的二个方法，其实bagging和boosting的实现比较容易理解，但是理论证明比较费力。下面首先介绍这两种方法。
ice110956·2013-08-19 20:00

集成学习(Ensemble Learning)

EnsembleLearning现在基本上就叫集成学习。
liangtee·2013-06-13 19:00

Java分布式处理技术(RMI,JDNI)

[+]RMI的基本概念什么是RMIRMI的用途RMI应用程序分类创建RMI应用程序步骤RMI接口和类简介JNDI基本概念JNDI应用程序结构RMI与JNDI集成学习总结Java分布式处理技术1.1RMI
flash8627·2013-01-29 22:00

bootstrps 、bagging与 boosting

http://blog.sina.com.cn/s/blog_5dd2e9270100c8ko.html bootstrpsbaggingboosting这几个概念经常用到，现仔细学习了一下：他们都属于集成学习方法
carson2005·2013-01-25 20:00

bootstrps 、bagging与 boosting

bootstrpsbaggingboosting这几个概念经常用到，现仔细学习了一下：他们都属于集成学习方法，(如：Bagging，Boosting，Stacking)，将训练的学习器集成在一起,原理来源于
zhubo22·2012-11-17 21:00

Boosting, Online Boosting,adaboost

bagging,boosting,adboost,randomforests都属于集成学习范畴. 
xiaxiazls·2012-11-14 19:00
上一页 53 54 55 56 57 58 59 60 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他