摘要：
解决方法 把 samples_generator 改成 _samples_generator import sklearn.datasets._samples_generator import make_blobs 阅读全文
posted @ 2021-09-24 17:10
Trouvaille_fighting
阅读(467)
评论(0)
推荐(0)
摘要：
1 boosting集成原理 1.1 什么是boosting 随着学习的积累从弱到强,每新加入一个弱学习器，整体能力就会得到提升。 代表算法：Adaboost，GBDT，XGBoost 1.2 实现过程 1.训练第一个学习器 2.调整数据分布 3.训练第二个学习器 4.再次调整数据分布 5.依次训练 阅读全文
posted @ 2021-09-24 15:35
Trouvaille_fighting
阅读(142)
评论(0)
推荐(0)
摘要：
1 Bagging集成原理 目标：把下面的圈和方块进行分类 实现过程： 1.采样不同数据集 2.训练分类器 3.平权投票，获取最终结果 4.主要实现过程小结 2 随机森林构造过程 随机森林是一个包含多个决策树的分类器，并且其输出的类别是由个别树输出的类别的众数而定。 随机森林 =Bagging + 阅读全文
posted @ 2021-09-24 11:29
Trouvaille_fighting
阅读(98)
评论(0)
推荐(0)
摘要：
1 什么是集成学习 集成学习通过建立几个模型来解决单一预测问题。 工作原理是生成多个分类器/模型，各自独立地学习和作出预测。 最后结合成组合预测，得到优于任何一个单分类的预测。 2 机器学习的两个核心任务 如何优化训练数据 —> 主要用于解决欠拟合问题 如何提升泛化性能 —> 主要用于解决过拟合问题 阅读全文
posted @ 2021-09-24 11:08
Trouvaille_fighting
阅读(182)
评论(0)
推荐(0)
浙公网安备 33010602011771号