没有合适的资源?快使用搜索试试~ 我知道了~
一、第二次大作业为集成学习综合对比分析,具体任务主要有两个:实现AdaBoost算法实现Bagging集成方法大作业为组队形式完成,最多三人一组,提交实验报告(
资源推荐
资源详情
资源评论
一、第二次大作业为集成学习综合对比分析,具体任务主要有两个:
1. 实现 AdaBoost 算法
2. 实现 Bagging 集成方法
大作业为组队形式完成,最多三人一组,提交实验报告(模板见附件),在交作业的时候写上
组内每个人的姓名和学号。
二、实现 AdaBoost 算法
首先需要同学们自行搜集分类任务的数据集(分类任务),然后自己实现 AdaBoost 算法,达
到以下要求:
1. 基学习器自行选择(可以使用 Scikit-learn 现成的分类器),使用不同的基学习器实现
2 种以上的 AdaBoost。
2. 运用 Accuracy, Precision, Recall, F1 四个指标进行对比评测,进行十折交叉验证,把结
果绘制成表格
3. 与 Scikit-learn 的 AdaBoostClassifier 得到的结果进行对比(基学习器和你自己实现的
AdaBoost 相同)
4. 详细分析不同的基学习器的 AdaBoost 的表现差异以及可能的原因。
三、实现 Bagging 集成方法
使用和上节 AdaBoost 一样的数据集,然后自己实现 Bagging 算法,达到以下要求:
1. 基学习器自行选择(可以使用 Scikit-learn 现成的分类器),使用不同的基学习器实现
2 种以上的 Bagging。
2. 运用 Accuracy, Precision, Recall, F1 四个指标进行对比评测,进行十折交叉验证,把结
果绘制成表格
3. 与 Scikit-learn 的 BaggingClassifier 得到的结果进行对比(基学习器和你自己实现的
Bagging 相同)
4. 详细分析不同的基学习器的 Bagging 的表现差异以及可能的原因。
5. 与 AdaBoost 的结果进行对比,分析两种集成方法的优劣
四、辅助材料
1. UCI 数据集网址:https://archive.ics.uci.edu/ml/datasets.php
2. Scikit-learn 数据集模块文档:https://scikit-learn.org/0.16/modules/classes.html#module-
sklearn.datasets
资源评论
马虫医生
- 粉丝: 22
- 资源: 324
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
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