组合方法(emsemble method)
guoyunfei20
object detection, visual object tracking, face recognition, metric learning, pose estimation, activity recognition, semantic segmentation...
展开
-
集成方法,或者叫做组合方法(Ensemble methods)介绍(一)
集成方法的思想就是将若干个分类器组合起来(或者把一种算法的不同参数组合到一起),以改进各单个分类器的效果。集成方法大致分两类: 1. Averaging methods(平均方法): 就是利用训练数据的全集或者一部分数据训练出几个算法或者一个算法的几个参数,最终的算法是所有这些算法的算术平均。比如Bagging Methods(装袋算法),Forest of Randomized Trees(翻译 2017-09-18 17:51:52 · 4781 阅读 · 0 评论 -
自适应提升算法(AdaBoost)介绍(二)
提升方法(boosting)介绍: 提升方法基于这样一个思想:对于一个复杂任务来说,将多个专家的判断进行适当综合所得出的判断,要比其中任何一个专家单独的判断要好。实际上,就是“三个臭皮匠顶个诸葛亮”的道理。提升方法的问题在于,在学习中,如果已经发现了弱学习算法,能否将它提升为强学习算法。因为在应用中,发现弱学习算法要比强学习算法容易得多。关于提升的策略,最具代表性是AdaBoost算法。对于分类翻译 2017-09-18 18:13:25 · 2087 阅读 · 0 评论