什么是合奏技术？让我们用柠檬语言学习吧。✔

什么是合奏技术？让我们用柠檬语言学习吧。✔

什么是合奏技巧？

每当我们有大量数据时，或者我们可以说，每当我们在数据集中有大量行和列时，我们使用 技术集。

例如 ：-

假设我们有 50000 行和 100 列；这里这样的大数据是单个模型无法学习的，所以在这种情况下我们使用集成技术。

为什么我们使用集成技术？

在集成技术中，数据集分为 块 数据或 子集 数据和这些块或子集正在由模型学习。

Ensemble Method

合奏技术的类型：-

一个） 。装袋（并行方法）：- 在 Bagging 的情况下，整个数据集被划分为数据块，并将这些块提供给要学习的模型。在这里，模型与数据集并行学习。

Bagging Method

乙）。 Boosting（顺序方法）：- 在 Boosting 的情况下，模型学习整个数据集，然后将模型的输出作为另一个模型的输入，然后是最终的输出或结果。

Boosting Method

模型用于 Bagging 和 Boosting，它们存在于 scikit Learn 中：-

一个）。装袋：-

1. 随机森林

2.额外的树木

乙）。提升：-

1.AdaBoost

2. 梯度提升

↣关于上述 Bagging 模型（a）的一些提示：-

一世） 。这些模型可用于分类和回归。

二）。所有这些都适用于同质模型。

三）。在所有这些模型中，我们的基本估计器默认是决策树分类器/回归器（DTC/DTR）

iv)。决策树分类器/回归器，估计器的数量默认为100，这意味着将创建100棵树。

v).Decision Tree Classifier/Regressor ，默认情况下标准是'GINI'。

↣关于上述 Boosting 模型（b）的一些提示：-

一世） 。这些模型可用于分类和回归。

二）。所有这些都适用于同质模型。

三）。在所有这些模型中，我们的基本估计器默认是决策树分类器/回归器（DTC/DTR）

iv)。在 boosting 中有一个参数“学习率”，它表示它将增加模型的学习，然后它会给出准确度。 （默认学习率=1）。

五）。算法默认为 'SAMME.R' 。

结论：-

1. 当我们有大数据集时使用它。

2. Bagging 和 Boosting 是 Ensemble 的两种常用技术。

3. 适用于同质模型。

4. DTC/DTR 在 bagging 和 boosting 中都是默认的基础估计量。

5. 在 AdaBoost 中，n_estimator 默认为 50

— — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — —

感谢您的阅读，祝您有美好的一天。

德米特罗·亚库博夫斯基

萨尔瓦多·雷利

克里什奈克

圣达斯·哈立德

TDS 编辑器

— — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — —

阿里

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明

本文链接：https://www.qanswer.top/37892/59371910