集成学习
来源:互联网 发布:疾病数据库 编辑:程序博客网 时间:2024/04/29 07:35
以往的课程中很少涉及到集成学习,最近刚开始接触。
其实就现在对集成学习模糊的了解,感觉上是一个很实用且强大的思想方法。
今天看了bagging和boosting,乍一看感觉完全是一个意思,都是多次采样形成多个弱分类器,最后由这些弱分类器形成强分类器,以提高分类效果。
不过刚刚看了一篇博文,才了解到bagging和boosting最大的区别其实在于hard和soft。
bagging是通过hard,也就是投票方式将多个弱分类器的结果集成为最终分类结果,也就是投票最多的类称为预测结果。
boosting是通过soft,也就是权值方式将多个弱分类器的结果集成为最终分类结果,也就是根据每个分类器的正确率相应具有不同的投票权重(在bagging中其实默认每个分类器权重相等)。
4.16更正
bagging和boosting的区别可能不在于hard和soft,而在于bagging是均匀采样,而boosting是根据错误率来调整样本的采样概率。
0 0
- 集成学习
- 集成学习
- 集成学习
- 集成学习
- 集成学习
- 集成学习
- 集成学习
- 集成学习
- 集成学习
- 集成学习
- 集成学习
- 集成学习
- 集成学习
- 集成学习
- 集成学习
- 集成学习
- 集成学习
- 集成学习
- Swift 关键字
- Material Design recyclerview+floatingactionbutto实现联动的效果
- mysqli预处理详解
- CQOI2016 K远点对
- GitHub Top 100 简介
- 集成学习
- Android studio import module Cannot find declaration to go to
- Python 3.5.1安装lxml
- 关于秒杀系统的思考
- android 中PendingIntent 和AlarmManager
- MVP模式学习
- leetcode 40. Combination Sum II
- Unity发布安卓Splash Image适应手机、平板
- Xcode使用介绍之三:程序调试