[李宏毅-机器学习]集成学习 Ensemble

bagging

bagging用于复杂的model，解决over-fitting，例如决策树

[李宏毅-机器学习]集成学习 Ensemble

[李宏毅-机器学习]集成学习 Ensemble

[李宏毅-机器学习]集成学习 Ensemble

[李宏毅-机器学习]集成学习 Ensemble

[李宏毅-机器学习]集成学习 Ensemble

 

boosting

用于简单的model

[李宏毅-机器学习]集成学习 Ensemble

[李宏毅-机器学习]集成学习 Ensemble

 

Adaboost

让新的data分布，在当前分类器上的正确率为50%，再使用新的data分布来训练下一个分类器

[李宏毅-机器学习]集成学习 Ensemble

将分类正确的data权重降低，分类错误的data权重增加

[李宏毅-机器学习]集成学习 Ensemble

[李宏毅-机器学习]集成学习 Ensemble

[李宏毅-机器学习]集成学习 Ensemble

[李宏毅-机器学习]集成学习 Ensemble

[李宏毅-机器学习]集成学习 Ensemble

 

gradient boosting

[李宏毅-机器学习]集成学习 Ensemble

[李宏毅-机器学习]集成学习 Ensemble

[李宏毅-机器学习]集成学习 Ensemble

[李宏毅-机器学习]集成学习 Ensemble

把adaboost当作梯度下降来做

 

stacking

[李宏毅-机器学习]集成学习 Ensemble

相关文章：

  • 2021-05-25
  • 2021-11-19
  • 2021-11-03
  • 2021-05-04
  • 2021-07-15
  • 2021-12-11
  • 2021-04-05
猜你喜欢
  • 2021-07-31
  • 2022-12-23
  • 2021-06-06
  • 2021-11-16
  • 2021-10-08
  • 2021-08-08
相关资源
相似解决方案
热门标签
Java Python linux javascript Mysql C# Docker 算法 前端 SpringBoot Redis Vue spring 设计模式 .net core .net kubernetes c++ 数据库 数据结构 大数据 js 机器学习 微服务 Android Go 程序员 面试 JVM ASP.net core 云原生 人工智能 后端 PHP git CSS golang k8s Nginx Django mybatis 深度学习 多线程 React 架构 devops 爬虫 云计算 Spring Boot LeetCode