台大机器学习听课笔记---Bagging 7-4
来源:互联网 发布:win10装驱动软件 编辑:程序博客网 时间:2024/04/28 02:05
目的:
用同一份资料制造出很多不同的小矩。
用手上的资料生出长的像“新鲜”的资料。
------------------------------------------------------------------------------------------------------------------------------------------
做法:
从手上有限的资料里去模拟不一样的资料。
每次取一部分资料出来,作记录,然后放回。重复以上操作。一种有放回的抽样方法。
Bagging:bootstrap aggregating的缩写
- PS:Boosting类似Bagging方法,但是Boosting训练是串行进行的,第k个分类器训练时关注对前k-1分类器中错分的文档,即不是随机取,而是加大取这些文档的概率。
-----------------------------------------------------------------------------------------------------------------------
实例:
Pocket算法:给pocket不同的资料,会生成不一样的线。
25条pocket算法生出来的线----这些线怎么生成的:把原来的资料作bootstrapping,再丢到pocket算法里,每个pocket算法跑1000轮。
把这25条线合起来,就得到黑色的线---非线性的边界。
基础算法对数据的随机性比较敏感,则通过Bagging效果会越好。
---------------------------------------------------------------------------------------
FunTime
Q:
从D中取一个子集N,有多大概率取到原集合?
A:3.
0 0
- 台大机器学习听课笔记---Bagging 7-4
- 台大机器学习听课笔记---Random Forest 10-1
- 台大机器学习听课笔记---RF 10-4 Summary 待总结
- 听课笔记(第十三讲): 过拟合 - Overfitting (台大机器学习)
- 听课笔记(第十三讲): 过拟合 - Overfitting (台大机器学习)
- 听课笔记(第十二讲): 非线性转换 (台大机器学习)
- 听课笔记(第十一讲): 线性分类模型 (台大机器学习)
- 听课笔记(第十讲): 逻辑斯蒂回归 (台大机器学习)
- 听课笔记(第九讲): 线性回归 (台大机器学习)
- 听课笔记(第八讲): 噪音和错误 (台大机器学习)
- 听课笔记(第七讲): VC维理论 (台大机器学习)
- 听课笔记(第六讲): 归纳理论(台大机器学习)
- 台大机器学习听课笔记---RF 10-2 Out-Of-Bag Estimate
- 台大机器学习听课笔记---RF 10-3 Feature Selection
- 台大机器学习听课笔记---基石 9-1 Linear Regression
- 台湾国立大学机器学习技法.听课笔记(第七讲):Blending(混合) and Bagging(自举)
- 台大-林轩田老师-机器学习基石学习笔记7
- 台大-林轩田老师-机器学习基石学习笔记4
- 【精神哥讲Crash】第一期:UnsatisfiedLinkError
- hdu1195-Open the Lock-双向&&单向bfs
- mysql常用排序问题
- 长时间不用APP屏幕变暗
- jquery-javascrip(jsonp) 跨域
- 台大机器学习听课笔记---Bagging 7-4
- 代码和编辑器中的/// <summary>/// </summary>有什么作用?
- 第十一周项目二摩托车继承自行车和机动车
- java8 之默认方法
- 【PAT 乙级(Basic Level)】数字分类
- 如何用ftp上传静态网站到虚拟空间
- 使用@mipmap/ic_launcher编译报错解决方案
- 初学WEB项目,第一个增删改查的Demo,框架=SpringMVC
- UI常用方法总结之 UINavigationController