13集成算法与随机森林（Bagging、Boosting、Stacking）

于 2020-03-09 20:13:57 发布
阅读量444 收藏 2
点赞数 1
文章标签： 机器学习 深度学习 数据挖掘 大数据
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_45425321/article/details/104748046
版权
本文是唐宇迪《python数据分析与机器学习实战》的学习笔记，主要探讨了三种集成算法：Bagging模型（如随机森林）通过并行训练多棵树并取平均来提高准确率；Boosting模型（如AdaBoost、Xgboost）通过串行构建弱学习器逐步减小误差；Stacking模型利用多个模型的预测结果作为新特征来提升预测性能。
摘要由CSDN通过智能技术生成

唐宇迪《python数据分析与机器学习实战》学习笔记
13集成算法与随机森林

文章目录

竞赛题使用较多中准确率较高，三种集成算法
在这里插入图片描述

1.Bagging模型

（并形算法）

并行训练多棵树，结果累加取平均。随机森林构造了N棵树，最终结果把树进行分类取众数。
二重随机性：数据采样随机性（例如100个有放回选60-80个），特征随机性（寻则部分特征）
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
特征重要性比较原理
举例：比如ABCD四个特征，B为年龄（36、27、65…），用着四个特征建模错误率为

最低0.47元/天 解锁文章
小食青年
关注
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
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。

余额充值