集成学习

ApacheCN 深度学习译文集 20201218 更新

新增了四个教程：Python人工智能中文版0前言1人工智能简介2人工智能的基本用例3机器学习管道4特征选择和特征工程5使用监督学习的分类和回归6集成学习的预测分析7通过无监督学习检测模式8构建推荐系统9
布客飞龙·2023-10-06 03:55

机器学习面试之GBDT

www.cnblogs.com/ModifyRong/p/7744987.html）（参考：https://blog.csdn.net/google19890102/article/details/51746402）一、集成学习方法
梦无音·2023-10-05 17:06

RandomForestClassifier 与 GradientBoostingClassifier 的区别

RandomForestClassifier（随机森林分类器）和GradientBoostingClassifier（梯度提升分类器）是两种常用的集成学习方法，它们之间的区别分以下几点。
我有明珠一颗·2023-10-04 23:55

树模型决策的可解释性与微调(Python)

本文示例沿用之前文章的数据：一文梳理金融风控建模全流程(Python)）一、树模型的解释性集成学习树模型因为其强大的非线性能力及解释性，在表格类数据挖掘等任务中应用频繁且表现优异。
算法进阶·2023-10-04 13:59

机器学习复习总结

结合方差和偏差，着重的复习了关于集成学习的部分：方差与偏差：机器学习中bias偏差和variance方差bagging:降低方差RFbagging和boosting的区别联
Great_smile·2023-10-03 18:14

目标检测网络系列——YOLO V1

网络正向预测pipline反向传播过程理解grid和grid对应的B个预测框YOLO网络的限制对比实验与其他的real-timedetection的对比VOC2007数据集的错误分析YOLO和FastRCNN的集成学习
新兴AI民工·2023-10-01 01:00

Datawhale 零基础入门CV赛事-Task5 模型集成

最后一章，将会学习如何使用集成学习提高预测精度，通过学习知道集成学习方法以及交叉验证情况下的模型集成，最终学会使用深度学习模型的集成学习。
北洋军·2023-09-28 12:44

西瓜书+南瓜树第八章 集成学习

集成学习8.1个体与集成8.2Boosting8.2.1Boosting介绍8.2.2AdaBoost算法8.3Bagging与随机森林8.3.1Bagging8.3.2随机森林8.4多样性增强8.1个体与集成集合个体应该和而不同
煞拉一Q·2023-09-28 00:52

Adaboost,GBDT,Xgboost

集成学习就是构建多个弱分类器对数据集进行预测，然后利用某种策略将多个分类器的结果集成起来，作为最终的预测结果。
writ·2023-09-27 20:24

总览

集成学习(ensemblelearning)本身不是一个单独的机器学习算法，而是通过构建并结合多个机器学习器来完成学习任务。也就是我们常说的“博采众长”。
zhouycoriginal·2023-09-26 18:27

人工智能安全-2-非平衡数据处理(2)

5算法层面代价敏感：设置损失函数的权重，使得少数类判别错误的损失大于多数类判别错误的损失；单类分类器方法：仅对少数类进行训练，例如运用SVM算法；集成学习方法：即多个分类器，然后利用投票或者组合得到结果
HenrySmale·2023-09-25 09:47

随机森林 Random Forest

随机森林是集成学习中的Bagging(BootstrapAggregation)方法的一种实现，是由很多
JasonH2021·2023-09-25 03:33

机器学习笔记:adaBoost

1介绍AdaBoost（AdaptiveBoosting）是一种集成学习方法，它的目标是将多个弱分类器组合成一个强分类器通过反复修改训练数据的权重，使得之前分类错误的样本在后续的分类器中得到更多的关注每一轮中
UQI-LIUWJ·2023-09-23 16:17

集成学习——Bagging和Boosting

简介集成学习，顾名思义就是将多种学习器或算法结合在一起，共同做出决策。这符合人类集思广益的做法，在业界也是应用最为广泛的方法之一。
HaloZhang·2023-09-22 11:21

集成学习方法——随机森林

之前我们介绍过决策树，随机森林(RandomForest)是将多个决策树(DecisionTree)组合在一起形成一个强大的分类器或回归器，是一种集成学习(EnsembleLearning)方法。
·2023-09-19 12:09

【集成学习】对已训练好的模型进行投票

在不同的数据预处理情况下训练得到了三个SVM模型，结果都差不多，对这三个模型的分类结果进行投票1、三个模型的model_path#最终model的pathself.model_path=log_path+'/'+model_name+'_model.gz'self.time_log=log_path+'/'+model_name+'_time_log.csv'#模型1self.model1_pat
Bing_Zoey·2023-09-18 03:30

一文通俗讲透树模型

前言决策树模型因为其特征预处理简单、易于集成学习、良好的拟合能力及解释性，是应用最广泛的机器学习模型之一。
算法进阶·2023-09-17 06:40

机器学习（八）——集成学习

也就是说，集成学习有两个主要的问题需要解决，第一是如何得到若干个个体学习器，第二是如何选择一种结合策略，将这些个体学习器集合成一个强学习器。
夏普123·2023-09-17 04:46

集成学习-树模型

可以分为三部分学习树模型：基本树（包括ID3、C4.5、CART）.RandomForest、Adaboost、GBDTXgboost和LightGBM。基本树选择特征的准则ID3：信息增益maxC4.5：信息增益比maxCART：基尼指数min优缺点ID3核心思想是奥卡姆剃刀（决策树小优于大）缺点：ID3没有剪枝策略，容易过拟合；信息增益准则对可取值数目较多的特征有所偏好，类似“编号”的特征其信
坠金·2023-09-16 03:38

一文看懂随机森林 - Random Forest（附 4 个构造步骤+4 种实现方式评测+10 个优缺点）

随机森林属于集成学习中的Bagging（BootstrapAGgregation的简
easyAI人工智能知识库·2023-09-13 23:36

第七章集成学习（AdaBoost、Bagging）

集成学习（AdaBoost、Bagging）文章目录集成学习（AdaBoost、Bagging）基于数据集多重抽样的分类器决策树桩（decisionstump）AdaBoost的实现bagging实验部分基于数据集多重抽样的分类器
极恶狒狒·2023-09-13 18:21

日撸代码300行：第69-70天（矩阵分解）

代码来自闵老师”日撸Java三百行（61-70天）日撸Java三百行（61-70天，决策树与集成学习）_闵帆的博客-CSDN博客理解推荐系统中的矩阵分解参考了：推荐系统中的矩阵分解技术-知乎(zhihu.com
WangX-西石油·2023-09-13 02:32

日撸代码300行：第66-68天(主动学习之 ALEC)

代码来自闵老师”日撸Java三百行（61-70天）日撸Java三百行（61-70天，决策树与集成学习）_闵帆的博客-CSDN博客本次代码的实现是基于高斯密度，ALEC算法原文是基于密度峰值，同样是基于密度聚类
WangX-西石油·2023-09-13 02:32

集成学习之AdaBoost

一.AdaBoost介绍我们在机器学习(八)-集成学习(Ensemblelearning)中介绍了集成学习的应用场景，之后介绍了集成学习获得一组成员模型的学习算法，以及对成员模型决策结果的组合方法，其中就提到了
_与谁同坐_·2023-09-12 14:05

斯坦福 CS229 机器学习中文讲义 翻译完成

均值聚类算法混合高斯和期望最大化算法第九部分期望最大化算法第十部分因子分析第十一部分主成分分析第十二部分独立成分分析第十二部分强化学习和控制线性二次调节，微分动态规划，线性二次高斯分布深度学习反向传播决策树集成学习
布客飞龙·2023-09-09 04:59

2021-03-04

它还有助于减少模型的过度拟合多任务学习是一种集成学习方法（ensembleapproach），通过对几个任务同时训练而使得多个任务互相影响。当然了，这种影响是很隐晦的影响，一般是影响在共享参数上。
小小程序员一枚·2023-09-09 02:36

什么是机器学习中的集成学习，列举几种常见的集成学习算法

1、什么是机器学习中的集成学习，列举几种常见的集成学习算法。集成学习是一种机器学习中的一种方法，它通过组合多个弱学习器来获得更好的性能。
大学生资源网·2023-09-08 06:29

3月集成学习--Task01 机器学习导论

1定义从已有数据（经验E）中，提出数学模型（假设h），完成任务T，并达到性能度量值P。2分类image.png3回归代码演示--波士顿房价数据#采用sklearn自带的数据库fromsklearnimportdatasetsboston=datasets.load_boston()X=boston.datay=boston.targetfeature_cols=boston.feature_nam
怕热的波波·2023-09-06 23:32

提升方法与集成学习（学习笔记）

提升方法与集成学习一.Boosting二..AdaBoost、1.简介2.基本原理3.弱分类器4.Adaboost数据权重三.提升树四.RF随机森林4.1bagging的原理4.2随机森林一.BoostingBoosting
Lfone001·2023-09-06 18:00

分类算法系列⑥：随机森林

目录集成学习方法之随机森林1、集成学习方法2、随机森林3、随机森林原理为什么采用BootStrap抽样为什么要有放回地抽样4、API5、代码代码解释结果6、随机森林总结作者介绍：双非本科大三网络工程专业在读
逐梦苍穹·2023-09-05 04:08

基于LSCP集成异常检测框架

-------------------1.研究背景先说说为啥要做这个问题，因为异常检测有三个特点：无监督：一般没有标签可用极端的数据不平衡：异常点往往远少于正常点复杂的模式在这种前提下，人们一般会使用集成学习来解决这个问题
mnwl12_0·2023-09-04 22:02

第八章 集成学习

试答系列：“西瓜书”-周志华《机器学习》习题试答8.1假设抛硬币正面朝上的概率weip，反面朝上的概率为1-p。令H(n)代表抛n次硬币所得正面朝上的次数，则最多k次正面朝上的概率为答：只需对西瓜数据集3.0中具体相同类别和属性取值的样本进行计数即可得到前三个属性的类条件概率：
lsly·2023-09-03 04:18

丢弃法（Dropout）

概念在现代神经网络中，我们所指的丢弃法，通常是对输入层或者隐含层进行一下操作：1.随机选择一部分该层的输出作为丢弃元素2.把丢弃元素乘以03.把非丢弃元素拉伸本质在集成学习里，我们可以对训练数据集有放回地采样若干次并分别训练若干个不同的分类器
对酒当鸽·2023-09-03 01:36

随机森林算法

介绍随机森林是一种基于集成学习的有监督机器学习算法。随机森林是包含多个决策树的分类器，一般输出的类别是由决策树的众数决定。随机森林也可以用于常见的回归拟合。随机森林主要是运用了两种思想。具体如下所示。
夏子期lal·2023-09-02 19:34

【校招VIP】前端算法考点之大数据相关

考点介绍：大数据的关键技术分为分析技术和处理技术，可用于大数据分析的关键技术主要包括A/B测试，关联规则挖掘，数据挖掘，集成学习，遗传算法，机器学习，自然语言处理，模式识别，预测模型，信号处理，空间分析
校招VIP·2023-09-01 13:14

数据分析 | 特征重要性分析 | 树模型、SHAP值法

本文基于集成学习的方法介绍另外两
梨子串桃子·2023-08-29 01:58

【机器学习】决策树（中）——Random Forest、Adaboost、GBDT （非常详细）

【机器学习】决策树（中）——RandomForest、Adaboost、GBDT（非常详细）-阿泽的文章-知乎https://zhuanlan.zhihu.com/p/86263786本文主要介绍基于集成学习的决策树
Jarkata·2023-08-28 18:52

总结

决策树算法的有点简单,直观,可解释性强,建树容易不需要预处理,归一化,以及处理缺失值离散值,连续值,及其混合都可以处理能够多分类缺点容易过拟合,泛化能力不强样本发生改动,会导致树的结构发生变化,这里可以通过集成学习方法解决容易偏向某些特征
zhouycoriginal·2023-08-27 10:03

集成学习：Bagging， Boosting，Stacking

目录集成学习一、bagging二、boostingBaggingVSBoosting1.1集成学习是什么？
ZhangJiQun&MXP·2023-08-25 16:17

2023国赛数学建模思路 - 案例：随机森林

随机森林属于集成学习中的Bagging（BootstrapAGgregation的简称）方法。如果用图来表示他们之间的关系如下：决策树–Dec
建模君Assistance·2023-08-25 05:11

机器学习十大算法之七——随机森林

0引言集成学习（ensemblelearning）是时下非常流行的机器学习算法，它本身不是一个单独的机器学习算法，而是通过在数据上构建多个横型，集成所有模型的建模结果，基本上所有的机器学习领域都可以看到集成学习的身影
嘿嘻哈呀·2023-08-24 16:23

Python集成学习算法教程

PythonPython由荷兰数学和计算机科学研究学会的吉多·范罗苏姆于1990年代初设计，作为一门叫做ABC语言的替代品。Python提供了高效的高级数据结构，还能简单有效地面向对象编程。Python语法和动态类型，以及解释型语言的本质，使它成为多数平台上写脚本和快速开发应用的编程语言，随着版本的不断更新和语言新功能的添加，逐渐被用于独立的、大型项目的开发。Python在各个编程语言中比较适合新
zmjia111·2023-08-24 12:03

2023年国赛 高教社杯数学建模思路 - 案例：随机森林

随机森林属于集成学习中的Bagging（BootstrapAGgregation的简称）方法。如果用图来表示他们之间的关系如下：决策树–Dec
m0_71450098·2023-08-23 23:27

2023年国赛数学建模思路 - 案例：随机森林

随机森林属于集成学习中的Bagging（BootstrapAGgregation的简称）方法。如果用图来表示他们之间的关系如下：决策树–Dec
建模君A·2023-08-23 10:06

第8章：集成学习

个体与集成同质：相同的基学习器，实现容易，但是很难保证差异性。异质：不同的基学习器，实现复杂，不同模型之间本来就存在差异性，但是很难直接比较不同模型的输出，需要复杂的配准方法。好而不同boostingAdaboost求解h求解alphabagging随机森林数据集划分：使用类似自助法的k折交叉验证，有放回的取出，分别训练T个决策树。随机：一个是训练集的随机，一个是属性的随机（每次在当前属性中随机取
why151·2023-08-23 06:16

PP-TS基于启发式搜索和集成方法的时序预测模型，使预测更加准确

为加快企业智能化转型进程，降低时序技术应用门槛，飞桨持续进行产品技术打磨，推出了基于启发式搜索和集成学习的高精度时序模型PP-TS，在电力场景数据集上经过验证，精度提升超20%。PP-TS今天正
飞桨PaddlePaddle·2023-08-23 03:59

数据分析笔试记录--广联达

广联达笔试题目类型：15单选602问答202编程20单选问答编程相关问题数据不平衡处理方法K折交叉验证集成学习集中趋势和离中趋势聚类性能度量题目类型：15单选602问答202编程20单选1.
xiaoxiaolanya·2023-08-22 10:53

Dropout (nn.Dropout()) (为什么神经网络中的dropout可以作为正则化)(model.eval())(为什么Dropout可看作是一种集成学习)

Dropout字面意思就是“丢掉”，是为了防止神经网络出现过拟合，让隐藏层的节点在每次迭代时(包括正向和反向传播)有一定几率(keep-prob)失效。以提高模型的泛化能力，减少过拟合。Dropout属于一种正则化技术。Dropout的probability，实践中最常用的是0.5(或0.1，0.05)Dropout不能用于测试集，只能用于训练集！！！即就比如这样可以认出来这样依然可以一般情况，d
hxxjxw·2023-08-21 21:05

PP-TS基于启发式搜索和集成方法的时序预测模型，使预测更加准确

为加快企业智能化转型进程，降低时序技术应用门槛，飞桨持续进行产品技术打磨，推出了基于启发式搜索和集成学习的高精度时序模型PP-TS，在电力场景数据集上经过验证，精度提升超20%。PP-TS今天正
·2023-08-21 15:45

随机森林过拟合问题及解决办法

随机森林是一种集成学习算法，由多个决策树组成。每个决策树都是一个分类器，最终的预测结果是所有决策树的预测结果的平均值或投票结果。二、随机森林为什么容易过拟合？
VicRestart·2023-08-19 14:56
上一页 3 4 5 6 7 8 9 10 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他