![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
集成学习笔记
文章平均质量分 57
人生半熟
这个作者很懒,什么都没留下…
展开
-
bagging方法
bagging前言一、数据采样----有放回的采样二、使用步骤1.引入库2.读入数据总结 前言 前篇文章介绍了集成学习的三种方式,本篇具体梳理bagging方式的详细过程和实现。 一、数据采样----有放回的采样 1. 对一个包含 m 个样本的数据集,base learner有k个,进行 m 次有放回的随机采样,这样得到k个大小为m的采样集分别给k个模型进行训练。 2. 没有被采样到的样本作为验证集,因为是有放回的采样,所以采样到的样本有可能有重复样本。 3. 假设一个样本被抽取的概率是1/m,则抽.原创 2021-04-13 22:05:31 · 966 阅读 · 0 评论 -
集成学习Ensemble的三种学习方式
Ensemble一、用于减少方差的Bagging二、用于减少偏差的Boosting三、用于提升预测结果的Stacking总结 本文主要介绍集成学习模型的相关内容。集成学习是一种学习框架,它的base learner 可以是任何模型,集成学习的主要思想在于将不同的base learner 融合产生预测的方法。其中主要有三种融合方式。 一、用于减少方差的Bagging 并行方式: 在原始数据集上通过有放回抽样重新选出K个新数据集来训练分类器 使用训练出来的分类器的集合来对新样本进行分类 用的原创 2021-02-19 16:15:08 · 1007 阅读 · 0 评论