机器学习
yk40809
这个作者很懒,什么都没留下…
展开
-
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...转载 2019-07-28 22:31:40 · 677 阅读 · 0 评论 -
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...原创 2019-07-17 11:22:27 · 1243 阅读 · 0 评论 -
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...转载 2019-07-21 15:13:32 · 2749 阅读 · 0 评论