目录
集成学习
集成学习通过构建多个学习器来完成任务,通过多个弱学习器组成一个强学习器。
Boosting(提升法):
个体学习器之间存在强依赖关系,通过串行生成的序列化方法,通过加法模型将弱分类器(基评估器)进行线性组合。
提高前一轮被弱分类器分错的样本的权重,减少在前一轮被弱分类器分对的样本的权值。
代表算法
- Adaboost
- GBDT
- XGBoost
- LightGBM
Bagging(装袋法):
个体学习器之间不存在强依赖关系,采取并行化
随机森林中,还会随机抽取一定数量的特征。
随机森林
随机森林的所有基评估器都是决策树,分类树组成的森林就叫做随机森林分类器,回归树所集成的森林叫做随机森林回归器。
随机森林参数
随机森林中树的参数<