机器学习|装袋和提升方法详解

机器学习|装袋和提升方法详解

前面的文章都是独立的讲解每一个分类器的分类过程,每一个分类器都有其独有的特点并非常适合某些数据。但在实际中,可能没有那样合适的数据,在应用前面的分类器时,可能会出现分类准确率低的问题。为解决这样的问题,集成学习便被提出,利用多个弱分类器结合的方式使得分类准确率提高。本次详细讲解了集成学习中十分经典的几个算法:装袋(Bagging)中的 Bagging tree 和随机森林(Ramdom Forest)以及 提升(Boosting)中的 Adaboost 和梯度提升树(GBDT)。

阅读更多
Your browser is out-of-date!

Update your browser to view this website correctly.&npsb;Update my browser now

×