没有合适的资源?快使用搜索试试~ 我知道了~
机器学习,对集成学习相关的知识整理后形成的ppt。包括相应的结构图。
资源推荐
资源详情
资源评论
集成学习
集成学习综
述
基本思想
基础分类器组
合策略
对于回归
预测(数
值)
简单平均
加权平均
对于分类预
测(类别)
简单投票
加权投票
学习法
集成学习方
法
Boosting
Adaboost Adboost+ 决策树 = 提升树
决策树 +Gradient Boosting=GBDT
Bagging
随机森林
(决策树)
(决策树)
ID3( 信息增
益 )
c4.5 (信息
增益率)
CART (基
尼系数)
Stacking
模型评价 方差 & 偏差
集成学习:简单直观的例子
对实例进行分类
对多个分类器的分类结果
进行某种组合来决定最终
的分类,以取得比单个分
类器更好的性能
※ 定义:集成学习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更好的学习效果
的一种机器学习方法。
如果把单个分类器比作一个决策者的话,集
成学习的方法就相当于多个决策者共同进行
一项决策。
集成学习
在概率近似正确( PAC )学习的框架中,一个概念(一个类),
如果存在一个多项式的学习算法能够学习它,
如果正确率很高,那么就称这个概念是强可学习
( strongly learnable )的。
如果正确率不高,仅仅比随即猜测略好,那么就称这个概
念是弱可学习( weakly learnable )的。
后来证明强可学习与弱可学习是等价的
剩余19页未读,继续阅读
资源评论
IU小仙女
- 粉丝: 4
- 资源: 3
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功