机器学习之集成学习—249人已学习
课程介绍
集成学习是使用一系列学习器进行学习,并使用某种规则把各个学习结果进行整合从而获得比单个学习器更好的学习效果的一种机器学习方法。本课程主要讲解:个体与集成、Boosting、Bagging与随机森林、结合策略、多样性等知识点。
课程收益
希望同学们可以掌握本课程讲解的知识点。个体与集成、Boosting、Bagging与随机森林、结合策略、多样性等知识点。
讲师介绍
王而川 更多讲师课程
乐川科技有限公司CEO,人工智能培训讲师,专业从事机器学习与深度学习培训。参与多个人工智能领域项目,专注于机器学习与计算机视觉领域,长期参与无人驾驶汽车项目,专注研究无人驾驶领域的目标识别与跟踪,善于人脸识别、物体识别、轨迹跟踪、点云识别分析等方向的新算法。
课程大纲
第1章:个体与集成
1. 个体与集成 8:12
第2章:Boosting
1. Boosting 21:16
第3章:Bagging与随机森林
1. Bagging与随机森林 10:07
第4章:结合策略
1. 结合策略 3:43
第5章:多样性
1. 多样性 3:06
大家可以点击【 查看详情】查看我的课程
课程介绍
集成学习是使用一系列学习器进行学习,并使用某种规则把各个学习结果进行整合从而获得比单个学习器更好的学习效果的一种机器学习方法。本课程主要讲解:个体与集成、Boosting、Bagging与随机森林、结合策略、多样性等知识点。
课程收益
希望同学们可以掌握本课程讲解的知识点。个体与集成、Boosting、Bagging与随机森林、结合策略、多样性等知识点。
讲师介绍
王而川 更多讲师课程
乐川科技有限公司CEO,人工智能培训讲师,专业从事机器学习与深度学习培训。参与多个人工智能领域项目,专注于机器学习与计算机视觉领域,长期参与无人驾驶汽车项目,专注研究无人驾驶领域的目标识别与跟踪,善于人脸识别、物体识别、轨迹跟踪、点云识别分析等方向的新算法。
课程大纲
第1章:个体与集成
1. 个体与集成 8:12
第2章:Boosting
1. Boosting 21:16
第3章:Bagging与随机森林
1. Bagging与随机森林 10:07
第4章:结合策略
1. 结合策略 3:43
第5章:多样性
1. 多样性 3:06
大家可以点击【 查看详情】查看我的课程