机器学习—Bagging与随机森林算法详解

本人计算机小白一枚,初学机器学习,将自己学到的知识点整理出来,一方面是对自己学习的小总结,另一方面是欢迎大家批评指正。如果觉得写得还可以,大家可以转发关注此博客,谢谢!后续会有新算法持续更新~


这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
四.小结(关键词)
(一)有4个随机:
1.数据采样随机bagging= bootstrap + aggregation 为了使基分类器不至于太差,而又同时保持差异性
2.特征随机
3.参数随机
4.树模型随机
(二)
一般处理多分类问题;有良好的泛化能力;训练测试过程简单。’


参考文献:
[1]统计学习方法,李航(著),清华大学出版社,2012.3
[2] 机器学习,周志华(著), 清华大学出版社, 2016.1

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