机器学习
刘小生Star
用心感受、用心分享,助你一分,我开心十分
展开
-
随机森林的优缺点
随机森林是一种组合方式,有许多随机决策树组成,树与树之间无关联,是Bagging的一个扩展,随机森林在决策树为基分类器进行集成的基础上,在决策树的训练过程中引入随机属性选择。随机森林的优点:可以处理高维数据,不同进行特征选择(特征子集是随机选择) 模型的泛化能力较强 训练模型时速度快,成并行化方式,即树之间相互独立 模型可以处理不平衡数据,平衡误差 最终训练结果,可以对特种额排序,...原创 2018-07-29 18:37:46 · 9978 阅读 · 0 评论 -
集成学习Boosting、Bagging、RF之间的联系与区别
集成学习Boosting与Bagging的区别:样本选择的不同: bagging :训练集在原始集合中采用有放回抽样,每个训练集之间独立,且每个抽取样本子集数量与原始样本数理一致; boosting:每次迭代的训练集不变,只是每次训练集中每个样例在分类器中的权重会发生改变样例权重的不同: ...原创 2018-07-29 18:53:58 · 1710 阅读 · 0 评论