集成学习之bagging、boosting及AdaBoost的实现

所需积分/C币:21 2021-02-25 10:39:21 344KB PDF
17
收藏 收藏
举报

前面博客分享,我们已经讲解了不少分类算法,有knn、决策树、朴素贝叶斯、逻辑回归、svm。我们知道,当坐重要决定时,大家可能都会考虑吸取多个专家而不是一个人的意见。机器学习处理问题时同样如此。集成学习(ensemblelearning)通过构建并结合多个学习器来完成学习任务,有时被称为多分类器学习系统、基于委员会的学习等。下图显示出集成学习的一般结构:先产生一组“个体学习器”,再用某种策略将它们结合起来。我们前面已经分享了五种不同的分类算法,我们可以将其用不同的分类器组合起来,这种组合结果则被称为集成方法或者元算法。使用集成方法时会有多种形式:1.集成中只包含同种类型的个体学习器,这种个体学习

...展开详情
试读 6P 集成学习之bagging、boosting及AdaBoost的实现
立即下载 低至0.43元/次 身份认证VIP会员低至7折
一个资源只可评论一次,评论内容不能少于5个字
您会向同学/朋友/同事推荐我们的CSDN下载吗?
谢谢参与!您的真实评价是我们改进的动力~
  • 至尊王者

关注 私信
上传资源赚钱or赚积分
最新推荐
集成学习之bagging、boosting及AdaBoost的实现 21积分/C币 立即下载
1/6
集成学习之bagging、boosting及AdaBoost的实现第1页
集成学习之bagging、boosting及AdaBoost的实现第2页

试读结束, 可继续阅读

21积分/C币 立即下载 >