摘要：
Boosting是串行式集成学习方法的代表，它使用加法模型和前向分步算法，将弱学习器提升为强学习器。Boosting系列算法里最著名的算法主要有AdaBoost和梯度提升系列算法(Gradient Boost，GB)，梯度提升系列算法里面应用最广泛的是梯度提升树(Gradient Boosting 阅读全文
摘要：
集成学习的一般结构是，先产生一组个体学习器，再用某种结合策略将它们结合起来，从而获得一个准确性更高，稳定性更强，泛化性能更佳的集成模型。常用的结合策略有绝对多数投票法，相对多数投票法，加权投票法，简单平均法，加权平均法等。 集成学习方法中具有代表性的两类算法是Bagging和Boosting。Bag 阅读全文
摘要：
决策树是一种应用广泛的机器学习算法，过程简单，结果易于解释。决策树是一种贪心算法，它在给定时间给做出最佳选择，并不关心能否达到全局最优。 决策树特点 精确度高，容易解释 可表达非线性的关系 不需要大量数据 可能存在过拟合问题 结果不稳定，泛化能力差 ID3：不能处理连续数据，没有剪枝过程，采用信息增 阅读全文
摘要：
根据各个指标获得综合指标时，由于各个指标对综合指标的贡献度不同，相应权重也应不同，对综合指标贡献大的指标更重要，应该分配更大的权重。如何确定各个指标的权重，这里介绍两种方法：熵值法和pca确定权重。也可用于特征工程中确定特征权重。 一、熵值法 1、熵的概念 信息论中，熵是对随机变量不确定性的度量。熵 阅读全文
摘要：
一、任务描述 爬取https://movie.douban.com/tag/#/豆瓣电影，选择电影，中国大陆，2018年，按评分最高，爬取前200部，保存电影名称，图片链接，和电影评分。 由于网页是动态加载，每页显示20条，每一页的网址是变化的，需要去网页上查看网址。 打开网页，进入开发者模式。 右 阅读全文
摘要：
一、差分进化的思想 差分进化是在遗传算法的基础上发展而来的，与遗传算法相似，有变异、交叉、选择等操作，但是实现简单，收敛速度快。差分进化的过程是随机生成一个初始化群体，经过交叉、变异、选择三个操作，反复迭代，保留有用的个体，寻找最优解。 差分进化利用了贪婪的思想，在每一次的迭代中，保留最优解。通过当 阅读全文