多目标
来源:互联网 发布:彩虹秒赞域名授权系统 编辑:程序博客网 时间:2024/05/16 06:13
参考:http://www.doc88.com/p-1843537567507.html
参考:Computational Personality Recognition in Social Media by G. Farnadi, G. Sitaraman, S. Sushmita, F. Celli, M.Kosinski, D. Stillwell, S. Davalos, M-F. Moens, M. De Cock, User Modeling and User-Adapted Interaction: The Journal of Personalization Research (UMUAI), in press
Single target单目标:分别为每个目标变量建立模型;
Multi-target stacking(MTS):分为两步:
第一步:建立n个单目标预测模型(像ST);
第二步:加入第一步的目标预测值,作为输入变量。每个目标变量的输入空间,扩增其他目标变量的预测值。比如:t1的第二步输入空间为[f1, f2, ..., fm, t2’, t3’, ..., tn’]
Multi-target stacking corrected(MTSC):使用k折交叉验证,全部训练集的(k-1)/k的预测结果用做MTS中第二步的输入。
Ensemble of regressor chains(ERC)集成回归链:串联单目标回归模型,将目标变量排序O=(t1, t2, ..., tn),每个目标变量tj的学习模型依赖于tj前面的目标变量ti。第一个目标变量,使用单目标回归模型(ST),下一个目标变量的输入空间,扩增为之前目标变量的预测结果。因为模型顺序链会影响结果,所以r个不同的链的平均结果作为每个目标变量的最终预测结果(r常为10)。
Ensemble of regressor chains corrected(ERCC)修正集成回归链:同上,也是使用了K折采样
Multi-objective random forest(MORF) :多目标随机森林集成了多目标决策树。
多目标决策树(multi-objective decision trees):每个多目标决策树是一个多目标回归模型(一次性预测多个目标变量),多目标决策树模型是用于多目标预测的聚类树的实例,PCTs预测聚类树算法和标准决策树不同:对待方差和原型函数上不同。 在预测聚类书PCTs上,方差和原型函数是作为参数的,他们是计算叶子节点标签的实例。对于多目标回归树,方差是计算目标变量的总方差的,Var(E)=Σi=1 to n Var(ti), E是一系列训练样例,每个叶子原型是训练样例的目标向量的平均向量。多目标随机森林(MORF)的性能优于集成方法MODT
- 多目标
- 多目标识别
- 多目标优化
- MAKEFILE--多目标
- 多目标跟踪
- 多目标跟踪
- 多目标优化
- 多目标跟踪
- 多目标跟踪
- 多目标优化
- 多目标跟踪
- 多目标遗传算法研究
- 多目标遗传算法研究
- 多目标最优化简介
- [makefile] 多目标依赖
- 水库多目标生态调度
- 多目标makefile写法
- 多目标进化算法
- spring boot 的常用注解使用 总结
- springmvc 获取http参数
- Linux的任督二脉:进程调度和内存管理
- ORA 12542:没有监听器
- 2017年度总结
- 多目标
- [LWIP学习]--bind函数分析
- 解决华硕主板开机提示xxxxxxxlog.iniis lost
- 使用MyEclipse开发Java EE应用:用XDoclet创建EJB 2 Session Bean项目(四)
- 数据交换格式
- HTML元素发生样式冲突,覆盖css
- 使用hexo+github搭建个人微博
- ADS1298学习笔记1——ADS1298启动失败
- K3账套注册提示对象名“t_KDAccount_gl”无效的处理方案