没有合适的资源?快使用搜索试试~ 我知道了~
概述 集成学习(Ensemble Learning)是将多个弱机器学习器结合,构建一个有较强性能的机器学习器的方法。 构成集成学习的弱学习器称为基学习器、基估计器。 根据集成学习的各基估计器类型是否相同,可以分为同质和异质两种方法。 集成学习常用的方法有Bagging,、随机森林、AdaBoost、梯度树提升(Gradient Tree Boosting)、XGBoost等方法。 分类 根据每个基学习器是否同属一个种类。可以将集成学习分为同质和异质两种类型。 同质集成学习 同质表示各个基学习器都属于同一个种类,比如都是决策树学习器,或者同为神经网络学习器。 目前来说,同质个体学习器的应用最为广泛。一般的集成学习均指同质个体学习器。而同质个体学习器使用最多的模型是CART决策树和神经网络。 同质个体学习器按照个体学习器之间是否存在依赖关系可以分为两类。 第一种是个体学习器之间不存在强依赖关系,一系列个体学习器可以并行生成,代表算法有Bagging和随机森林(Random Forest)系列算法。 第二类是个体学习器之间存在强依赖关系,一般来说当前的个体学习器的输入要依赖
资源推荐
资源详情
资源评论
1
集
成
学
习
集
成
学
习
个
体
与
集
成
B
oost
i
n
g
B
aggi
n
g
与
R
a
n
d
om
F
or
e
st
.
B
aggi
n
g
.
随
机
森
林
结
合
策
略
.
平
均
法
(
回
归
问题
)
.
投
票
法
(
分
类
问题
)
.
学
习
法
多
样
性
(
di
v
e
rs
i
ty
)
顾
名
思
义
,
集
成
学
习
(
ensemble learning
)
指
的
是
将
多
个
学
习
器
进
⾏
有
效
地
结
合
,
组
建
⼀个
“
学
习
器
委
员
会
”
,
其
中
每
个
学
习
器
担
任
委
员
会
成
员
并
⾏
使
投
票
表
决
权
,
使
得
委
员
会
最
后
的
决
定
更
能
够
四
⽅
造
福
普
度
众
⽣
~...~
,
即
其
泛
化
性
能
要
能
优于
其
中任何
⼀个
学
习
器
。
集
成
学
习
的
基
本
结
构
为
:
先
产
⽣
⼀
组
个
体
学
习
器
,
再
使
⽤
某
种策
略
将它
们
结
合
在
⼀
起
。
集
成
模
型
如
下
图
所
示
:
集
成
学
习
1
个
体
与
集
成
资源评论
生瓜蛋子
- 粉丝: 3897
- 资源: 7015
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