[机器学习入门] 李宏毅机器学习笔记-35(Ensemble part 1;集成方法 part 1)

本文介绍了Ensemble学习方法,包括Bagging和Boosting。Bagging通过平均多个模型来减少复杂模型的方差,例如Random Forest。在Random Forest中,使用Out-of-bag(OOB)技术提高模型的泛化能力。而Boosting则是结合多个弱分类器形成强分类器,如Adaboost,通过重新加权训练数据改进性能。
摘要由CSDN通过智能技术生成

[机器学习入门] 李宏毅机器学习笔记-35(Ensemble;集成方法)

PDF VIDEO

Ensemble

俗称打群架,想要得到很好的performance,基本都要用这一手。
You already developed some algorithms and codes.Lazy to modify them.Ensemble: improving your machine with little modification.

Feamework of Ensemble

揪出一堆classifiers,最好是不同的,互补的,妥当地把他们集合起来,每一个classifier都扮演着不同的角色。

这里写图片描述

Ensemble 有很多不同的方法,是为了对待不同的状况。


Ensemble: Bagging

先回顾一下Bias和Variance

这里写图片描述

A complex model will have large variance.
We can ave

  • 2
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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