- 博客(4)
- 收藏
- 关注
RSS订阅转载 第八章 集成学习
第八章 集成学习1．谈谈集成学习的概念和思想。 集成学习（ensemble learning）通过构建并结合多个学习器来完成学习任务. 下图显示出集成学习的一般结构：先产生一组“个体学习器”（individual learner），再用某种策略将它们结合起来. 个体学习器通常由一个现有的学习算法从训练数据产生。 例如C4.5决策树算法、BP神经网络算法等，此时集成中只包含同种类型的...
2019-07-28 22:31:40
660
转载 第七章 贝叶斯分类器学习
第七章 贝叶斯分类器学习1. 解释先验概率、后验概率、全概率公式、条件概率公式，结合实例说明贝叶斯公式，如何理解贝叶斯定理？ 例子：假设有一个容器，里面装满了可能有偏见的硬币 1）硬币类型1是公平的，50%正面/ 50%反面浴缸里40%的硬币是1型的。 2） 硬币类型2产生70%的正面。35%的硬币是2型硬币 3）型硬币产生20%的正面。25%的硬币是3型的 求...
2019-07-28 18:57:56
582
转载 机器学习-特征选择
特征选择1、简述特征选择的目的。减轻维数灾难问题：特征个数越多，模型也会越复杂，其推广能力会下降。降低学习任务的难度： 特征个数越多，分析特征、训练模型所需的时间就越长。 特征选择能够明显的改善学习器的精度，减少模型训练时间，有效的避免维灾难问题。 维度灾难：当特征维度超过一定界限后，分类器的性能随着特征维度的增加反而下降（而且维度越高训练模型的时间开销也会越大）。导致分...
2019-07-21 15:13:32
2615
原创 强化学习任务
强化学习任务1.分析强化学习与监督学习的联系与差别。联系：模型形式并无差别，存在着对应关系。强化学习监督学习状态示例动作标记策略分类器或回归器差别：监督学习：示例⇒\Rightarrow⇒标记强化学习：示例⇒\Rightarrow⇒延迟标记信息没有人直接告诉机器在什么状态下应该做什么动作，只有等到最终结果知晓，才能通过“反思”之前的...
2019-07-17 11:22:27
1209
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人