- 博客(5)
- 收藏
- 关注
RSS订阅原创 tensorflow 错误总结
ValueError: Only call softmax_cross_entropy_with_logits with named arguments (labels=…, logits=…, …) 原来这个函数，不能按以前的方式进行调用了，只能使用命名参数的方式来调用。 原来是这样的： tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logi
2017-06-13 15:19:31
339
原创 集成学习之bagging与随机森林
Bagging 算法原理和Boosting 不同，它的弱学习器之间没有依赖关系，可以并行生成，原理图如下： 从图中可以看出，Bagging的个体弱学习器的训练集是通过随机采样得到的，通过T次的随机采样，我们就可以得到T个采样集，对于这T个采样集，我们可以分别独立的训练出T个弱学习器，再对这T个弱学习器通过集合策略来的到最终的强学习器。 随机采样： 这里采用的是自助采样法，即对于m个样本的原始训
2017-06-11 11:03:20
2677
原创 集成学习
集成学习(ensemble learning)通过构建并结合多个学习器来完成学习任 务，有时也被称为多分类器系统(multi-classifier system) 、基于委员会的学 习(committee-based learning) 等. 集成学习的一般结构: 先产生一组“个体学习 器”(individual learner)，再用某种策略将它们结合起来。 个体学习器通常 由一个现
2017-06-07 16:04:17
589
原创 集成学习之Boosting
Boosting是集成算法之一，通过整合多个弱分类器，从而形成一个强分类器。任一弱学习算法可以通过加强提升到一个任意正确率的强学习算法，并通过构造一种多项式级的算法来实现这一加强过程，这就是最初的Boosting算法的原型。Boosting是一种将弱分类器通过某种方式结合起来得到一个分类性能大大提高的强分类器的分类方法。该方法可以把一些粗略的经验规则转变为高度准确的预测法则。强分类器对数据进行分类，
2017-06-07 15:45:15
583
原创 主成分分析（PCA）
主成分分析（PCA）的原理就是将一个高维向量X，通过一个特殊向量矩阵U，投影到一个低维的向量空间中，表征为一个低维向量Y，并且仅仅损失了一些次要信息，也就是说，通过低维表征的向量和特征向量矩阵，可以基本重构出所对应的原始高维特征。 降维的必要性:预测变量相互关联，多重共线性会导致空间的不稳定，从而导致结果的不连贯。高维空间本身具有稀疏性。过多的变量会妨碍查找规律的建立。 降维的目的：减少
2017-06-01 16:55:36
620
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人