- 博客(3)
- 收藏
- 关注
RSS订阅原创 集成学习下
集成学习下Blending集成学习算法 Blending集成学习算法 1算法流程： (1) 将数据划分为训练集和测试集(test_set)，其中训练集需要再次划分为训练集(train_set)和验证集(val_set)； (2) 创建第一层的多个模型，这些模型可以使同质的也可以是异质的； (3) 使用train_set训练步骤2中的多个模型，然后用训练好的模型预测val_set和test_set得到val_predict, test_predict1； (4) 创建第二层的模型,使用val_predict作
2021-05-09 16:13:45
187
原创 集成学习中
投票法的原理和案例分析 1定义：寻找几个基分类器，然后基于分类器的超过半数的结果作为最终的预测分类。 对于回归模型：投票法最终的预测结果是多个其他回归模型预测结果的平均值。 对于分类模型：硬投票法的预测结果是多个模型预测结果中出现次数最多的类别，软投票对各类预测结果的概率进行求和，最终选取概率之和最大的类标签。 2原理 遵循少数服从多数的原则，在理想情况下，投票法的预测效果应当优于任何一个基模型的预测效果。 硬投票：根据少数服从多数来定最终结果。 软投票：将所有模型预测样本为某一类别的概率的平均值作为标准，
2021-04-12 16:14:06
323
原创 机器学习与集成学习学习记录
机器学习与集成学习 第一章：机器学习基础 1 机器学习的三大主要任务 机器学习的一个重要的目标就是利用数学模型来理解数据，发现数据中的规律，用作数据的分析和预测。数据通常由一组向量组成，这组向量中的每个向量都是一个样本，我们用 ???????? 来表示一个样本，其中 ????=1,2,3,…,????i=1,2,3,…,N ,共N个样本，每个样本 ????????=(????????1,????????2,…,????????????,????????)，共p+1个维度，前p个维度的每个维度我们称为一个特征
2021-03-14 10:08:20
403
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