机器学习基础算法24-提升

最新推荐文章于 2024-06-25 13:31:56 发布

qq_42749341

最新推荐文章于 2024-06-25 13:31:56 发布

阅读量110

点赞数

分类专栏：机器学习-基础知识

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/qq_42749341/article/details/108115448

版权

机器学习-基础知识专栏收录该内容

36 篇文章 1 订阅

订阅专栏

·@TOC

一、提升

1.提升的概念

在这里插入图片描述

2.提升算法

3.梯度提升决策树-GBDT

1)提升算法推导-梯度提升法

在这里插入图片描述

2）GBDT(GradientBoostingDecisionTree) 梯度提升迭代决策树

在这里插入图片描述

在这里插入图片描述

4.XGBT推导

1）提升算法推导-考虑使用二阶导信息

在这里插入图片描述
在以上基础上，计算

在这里插入图片描述

在这里插入图片描述

2）决策树结构的划分

在这里插入图片描述

3）XGBT总结

以上时XGBoost使用的核心推导过程

在这里插入图片描述

5.Adaboost算法

Adaboost是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器(弱分类器)，然后把这些弱分类器集合起来，构成一个更强的最终分类器（强分类器）。

1）Adaboost算法推导

在这里插入图片描述

2）Adaboost算法举例

在这里插入图片描述

3）Adaboost算法收敛性证明

在这里插入图片描述

4）Adaboost总结

在这里插入图片描述

6.方差与偏差

在这里插入图片描述

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
机器学习基础算法24-提升

这里写目录标题一、提升1.提升的概念2.提升算法3.梯度提升决策树-GBDT1)提升算法推导-梯度提升法2）GBDT4.XGBT推导1）提升算法推导-考虑使用二阶导信息2）决策树结构的划分3）XGBT总结5.Adaboost算法1）Adaboost算法推导2）Adaboost算法举例3）Adaboost算法收敛性证明4）Adaboost总结6.方差与偏差一、提升1.提升的概念2.提升算法3.梯度提升决策树-GBDT1)提升算法推导-梯度提升法2）GBDT4.XGBT推导1）
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。