![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习与模式识别
文章平均质量分 92
金子的限定三文鱼块
如果你不确定,那就把已确定的事做好。
展开
-
《机器学习》总复习(下)
第六章《随机森林》6.1 随机森林1.概念:(1)集成学习:将多个弱分类器组合成一个强分类器,从而得到更合理的边界,减少分类错误,实现更好的分类效果。①Bagging算法:是集成学习领域的一种基本算法。它从训练集进行子抽样从而组成每个基模型所需要的子训练集,对所有基模型预测的结果进行综合产生最终的预测结果。(但我们在训练过程中,应当重点去关注前面那些被分类错误的样本,而不是对所有的样本都同一看待,那些分类错误的样本也应当在抽样中抽到的概率更大。因此,基于对Bagging算法的改进,出现了Boosti原创 2021-01-09 15:25:31 · 351 阅读 · 1 评论 -
《机器学习》总复习(上)
**第一章《绪论》**1.1从两个问题谈起1.相关概念:(1)机器学习:是人工智能的另一部分,也是核心技术。其利用经验、建立统计模型、概率模型,去解决问题。是对某个实际问题建立计算模型,并利用已知的经验来提升模型效果的一类方法。(2)模式识别:用计算的方法根据样本的特征将样本划分到一定的类别中去。2.相关流程:(1)一个标准的模式识别流程:“客观对象”——>“数值表示”——>“计算机算法”——>“识别结果”3.相关区别:(1)预测和数据挖掘的区别:①预测是偏重得到决原创 2021-01-09 14:55:13 · 487 阅读 · 1 评论