![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
sklearn
hzau_yang
华农研究僧
展开
-
Ensemble methods --Bagging meta-estimator
集成学习介绍 通过使用对多个基学习器的整合来达到超过每个学习器的预测和稳定性。 主要分为两种思想: averaging methods:个体学习器之间存在强依赖关系、必须串行生成,可以减小方差;例如Boosting boosting methods:个体学习器之间不存在强依赖关系,可同时生成并行化方法;例如Bagging, RandomForest1.Bagging meta-estimat原创 2016-08-10 19:34:52 · 1865 阅读 · 2 评论 -
Forests of randomized trees
sklearn.ensemble模块包括两个基于随机决策树的算法:随机森林算法和树外方法。这些算法是特别对于树的扰动与结合技术。这就意味着多种分类器的集合通过在分类器构建过程中引入随机项而被构建。这种集成的预测通过个体的分类的平均预测。原创 2016-08-11 20:14:55 · 2478 阅读 · 0 评论