机器学习笔记第十一章

最新推荐文章于 2024-05-22 16:02:00 发布
最新推荐文章于 2024-05-22 16:02:00 发布
阅读量77 收藏
点赞数
分类专栏： 机器学习 文章标签： 机器学习 决策树 算法
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_54606584/article/details/126212740
版权

机器学习笔记第十一章

什么是集成学习？

Voting Classifier

少数服从多数

Soft Voting

更合理的投票，有权值

要求集合的每一个模型都能估计概率

逻辑回归本身就是基于概率的

KNN

决策树

SVC

Bagging 和 Pasting

在这里插入图片描述
每一个子模型不需要太高的准确率

  • 取样：放回取样、不放回取样

    放回取样(Bagging) 不放回取样(Paasting)

更多和Bagging相关的讨论

OOB OUT-OF-Bag

放回取样导致一部分样本很有可能没有取到

平均大约有37%的样本没有取到

不使用测试数据集

差异化：
在这里插入图片描述

随机森林

决策树在节点划分上，在随机的特征子集上寻找最优划分特征

增加随机性

Extra-Tree

在这里插入图片描述

更加快的训练速度

Ada Boosting 和 Gradient Boosting

在这里插入图片描述

Ada Boosting

在这里插入图片描述

Gradient Boosting

在这里插入图片描述
在这里插入图片描述

stacking

在这里插入图片描述
在这里插入图片描述

更复杂的模型
在这里插入图片描述

CMTin
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
机器学习笔记.zip
04-07
自20世纪80年代以来，机器学习作为实现人工智能的途径，在人工智能界引起了广泛的兴趣，特别是近十几年来，机器学习领域的研究工作发展很快，它已成为人工智能的重要课题之一。机器学习不仅在基于知识的系统中得到...
机器学习-周志华】学习笔记-第十一章
vircorns的博客
09-01 691
周志华《机器学习》第十一章笔记
吴恩达机器学习笔记
weixin_43807601的博客
06-14 1974
吴恩达机器学习笔记
机器学习知识点全面总结
热门推荐
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
04-12 11万+
机器学习按照模型类型分为监督学习模型、无监督学习模型和概率模型三大类,文章对十大机器学习算法进行详细介绍并阐述机器学习其他概念问题，可作为机器学习初学者学习使用。
【机器学习】机器学习笔记（吴恩达）
欢迎关注【微信公众号】测试开发Guide，从功能测试进阶测试开发
12-25 9398
中文笔记地址 http://www.ai-start.com/ml2014/html/week1.html 视频地址 https://www.bilibili.com/video/BV164411b7dx?p=4 https://study.163.com/course/courseLearn.htm?courseId=1210076550#/learn/video?lessonId=1280912351&courseId=1210076550 https://study.163.com/cours
吴恩达 - 机器学习课程笔记（持续更新）
做一只猫的博客
02-26 2万+
吴恩达机器学习
机器学习实战学习笔记.zip
04-07
自20世纪80年代以来，机器学习作为实现人工智能的途径，在人工智能界引起了广泛的兴趣，特别是近十几年来，机器学习领域的研究工作发展很快，它已成为人工智能的重要课题之一。机器学习不仅在基于知识的系统中得到...
常见的经典机器学习笔记
07-21
【第11讲】 贝叶斯统计、机器学习应用建议 【第12讲】 $k$-means算法、高斯混合模型及最大期望算法 【第13讲】 最大期望算法及其应用、因子分析模型 【第14讲】 因子分析的EM算法、主成分分析 【第15讲】 PCA的奇异...
机器学习、深度学习笔记.zip
04-07
自20世纪80年代以来，机器学习作为实现人工智能的途径，在人工智能界引起了广泛的兴趣，特别是近十几年来，机器学习领域的研究工作发展很快，它已成为人工智能的重要课题之一。机器学习不仅在基于知识的系统中得到...
《机器学习实战》学习笔记.zip
04-07
自20世纪80年代以来，机器学习作为实现人工智能的途径，在人工智能界引起了广泛的兴趣，特别是近十几年来，机器学习领域的研究工作发展很快，它已成为人工智能的重要课题之一。机器学习不仅在基于知识的系统中得到...
【机器学习与实现】逻辑回归分析
Morse_Chen的博客
05-18 736
本文介绍机器学习的逻辑回归分析，包括逻辑回归的基本概念、分类思想、损失函数、参数求解和Scikit-learn的LogisticRegression类。
常用神经网络-ANN/CNN/RNN/GAN/Transformer
咸鱼翻书
05-18 678
深度学习中，五种常用神经网络介绍。
GANs生成对抗网络的学习
weixin_57128596的博客
05-18 653
GANs是一种深度学习模型，用于生成新的数据实例，如图像、音频和文本。生成器（Generator）和判别器（Discriminator）。
【机器学习】大模型驱动少样本学习在图像识别中的应用
richard_yuu的博客
05-18 829
在人工智能的浪潮中，机器学习技术的快速发展为我们带来了前所未有的机遇。其中，数据作为训练模型的关键因素，其获取成本却往往成为制约技术进步的瓶颈。特别是在图像识别领域，标注数据的获取尤为昂贵和耗时。然而，少样本学习（Few-Shot Learning）的提出，为我们打开了一扇新的大门，即使在有限的数据下，模型也能展现出强大的学习和泛化能力。本文将深入探讨大模型在少样本学习中的应用，并展望其在图像识别领域的新篇章。
当数据遇上魔法：线性回归模型的终极试炼
码趣阿佑
05-18 983
数据不只是数字的游戏，它是充满魔法的世界。本文将带你见证线性回归模型的终极试炼，从模型假设的检验到有效性的证明，每一步都至关重要。数据侠将展示如何使用Python和统计学的秘密武器，确保你的模型坚如磐石。无论是正态性检验还是方差齐性检验，或是解决过拟合与欠拟合的难题，本文都有答案。准备好迎接挑战，让你的模型在数据的战场上无往不胜！
超级详细介绍支持向量机，和实现的matlab例子
2401_82997545的博客
05-18 368
支持向量机（Support Vector Machine，简称SVM）是一种在机器学习中广泛应用的二分类模型。它的核心思想是在特征空间中寻找一个超平面，将不同类别的样本点分开，并且使得离该平面最近的样本点到该平面的距离尽可能远，从而实现对样本的最优分类。
机器学习 - 支持向量机的推导
weixin_47552266的博客
05-18 981
支持向量机通过找到一个最佳的超平面来分类数据，在线性可分的情况下，通过最大化间隔来确定最佳的超平面。在非线性可分的情况下，通过引入软间隔和核技巧，使得SVM可以处理更复杂的数据集。最终的优化问题可以通过求解一个二次规划问题来完成。
机器学习中的时卷积神经网络
最新发布
weixin_56460281的博客
05-22 408
总的来说,TCN继承了CNN处理局部特征的优势,并通过特定的网络结构和操作,赋予了模型处理时间序列数据的能力。相比传统RNN,TCN在长序列建模、并行计算以及模型训练稳定性等方面都有较大优势,在时间序列预测、语音识别等任务中展现了良好的性能。- TCN通过使用扩张卷积(Dilated Convolution)和填充(Padding)等技术,可以保证模型的因果性,即输出只依赖于当前及之前的输入。- 与RNN需要依次处理序列中的每个时间步不同,TCN的卷积操作可以在整个序列上并行进行,提高了计算效率。
机器学习（八） ----------支持向量积（SVM）
2301_77539454的博客
05-18 1550
支持向量机（SVM）是一种强大的机器学习算法，其核心意义在于通过寻找决策超平面来实现数据的精确分类。SVM仅依赖于少量的关键样本点（支持向量）来构建决策边界，这使得它在计算上非常高效，尤其适用于大规模数据集。此外，SVM对噪声和异常值具有较强的鲁棒性，并且能够处理非线性可分问题，使得它在各种分类任务中都具有广泛的应用价值。通过优化结构风险，SVM旨在获得良好的泛化能力，使其对新数据也能做出准确的预测。
《机器学习》 周志华学习笔记第十四章 概率图模型 python实现
05-17
很高兴听到你正在学习《机器学习》这本经典的教材，下面我为你提供第十四章概率图模型的Python实现学习笔记。 ## 1. 朴素贝叶斯分类器 ### 1.1 数据准备 在本章中，我们将使用著名的鸢尾花数据集进行分类。首先，...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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