学习提醒 | 进阶篇！三个方法详解集成学习实战难题！

点击左上方蓝字关注我们

集成学习之路道阻且长，下篇这就给同学们奉上！

这节课上，李宏毅老师主要会在课堂上给大家讲解3个不同的方法去解决集成学习的问题，一起来看看吧！

1

●

Bagging

通过Bagging，你可以创造出不同的dataset进行训练，从而得到多个不同的模型。如果模型太复杂，而你担心它overfitting，就是bagging登场的时候啦！

2

●

Boosting

Boosting是在不同的训练集上进行训练，事实上，我们通过改变损失函数来实现这个效果。

3

●

Stacking

把每个model的output当成一个feature，这些模型有好有坏，整合在一起的时候就需要你设置权重。

集成学习难题中，首当其冲的是如何得到若干个个体学习器？其次，选择什么样的结合策略能将个体学习器集合成一个强学习器？

今日学习任务

学习

进行时

第8课：集成学习（下篇）

课程指路：

报名地址

还没有报名的同学，点击文末『阅读原文』或者扫码报名，跟上学习进度：

https://aistudio.baidu.com/aistudio/education/group/info/1978

扫码进入学习中心

进入QQ学习社群，开启机器学习之旅

学习之路正在继续，今天也要努力学习，奖励自己一朵小红花呀！

飞桨(PaddlePaddle)以百度多年的深度学习技术研究和业务应用为基础，是中国首个开源开放、技术领先、功能完备的产业级深度学习平台，包括飞桨开源平台和飞桨企业版。飞桨开源平台包含核心框架、基础模型库、端到端开发套件与工具组件，持续开源核心能力，为产业、学术、科研创新提供基础底座。飞桨企业版基于飞桨开源平台，针对企业级需求增强了相应特性，包含零门槛AI开发平台EasyDL和全功能AI开发平台BML。EasyDL主要面向中小企业，提供零门槛、预置丰富网络和模型、便捷高效的开发平台；BML是为大型企业提供的功能全面、可灵活定制和被深度集成的开发平台。

END