在集成学习原理小结中，我们讲到了集成学习有两个流派，一个是boosting派系，它的特点是各个弱学习器之间有依赖关系。另一种是bagging流派，它的特点是各个弱学习器之间没有依赖关系，可以并行拟合。本文就对集成学习中Bagging与随机森林算法做一个总结。 随机森林是集成学习中可以和梯度提升树GB ...
分类：
编程语言 时间：
2017-04-05 21:56:31
阅读次数：
321
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。集成学习通过将多个学习器进行结合，常可以获得比单一学习器显著优越的泛化性能。这对“弱学习器”尤为明显，因此集成学习的很多理论研究都是针对弱学习器进行的。 要获得好的集成，个体学习器应该“好而不同”，即个体学习器要有 ...
分类：
其他好文 时间：
2017-04-03 01:09:21
阅读次数：
231
朴素贝叶斯公式 Hmm隐马尔科夫 动态规划: 线性回归: 逻辑回归(sigmoid):在线性组合的基础上加了个非线性的激活函数，用于解决二分类问题，softmax，用于解决多分类问题。 集成学习(连续模型):针对错误的模型进行训练，设置多个模型，每个模型都有不同的权重，逐层进行逻辑回归、或则其他逐层 ...
分类：
编程语言 时间：
2017-04-02 11:35:31
阅读次数：
165
Bootstrap(自助法)，Bagging，Boosting(提升)： 通俗易懂：http://www.jianshu.com/p/708dff71df3a Bootstrap：就是一个在自身样本重采样的方法来估计真实分布的问题 集成学习（ensemble learning）：结合后能得到更合理的 ...
分类：
其他好文 时间：
2017-03-26 17:59:41
阅读次数：
139
集成学习算法 在统计学和机器学习中，集成方法使用多种学习算法来获得比单独从任何组成学习算法获得更好的预测性能。Ensemble methods（组合方法）的效果往往是最好的，当然需要消耗的训练时间也会拉长。 所谓Ensemble methods，就是把几种机器学习的算法组合到一起，或者把一种算法的不 ...
分类：
编程语言 时间：
2017-03-15 17:32:22
阅读次数：
377
1、主要内容 介绍集成学习，然后讲述boosting和bagging的区别与联系，同时对adaBoost进行推导然后进行gbdt的推导，最后比较随机森林和gdbt的区别和联系。 2、集成学习 集成学习（ensamble learning）通过构建多个学习器来完成任务。集成学习的一般结构：先产生一组“ ...
分类：
编程语言 时间：
2017-03-15 16:45:34
阅读次数：
308
1. 个体和集成 集成学习通过构建并结合多个“个体学习器”来完成学习任务。个体学习器通常由一个现有的学习算法从训练数据产生，若集成中只包含同种类型的个体学习器，称为同质集成；若包含不同类型的个体学习器，为异质集成。同质集成中的个体学习器也成为“基学习器”。 如何产生并结合“好而不同”的个体学习器，恰 ...
分类：
编程语言 时间：
2017-03-08 22:42:05
阅读次数：
668
在集成学习原理小结中，我们讲到了集成学习有两个流派，一个是boosting派系，它的特点是各个弱学习器之间有依赖关系。另一种是bagging流派，它的特点是各个弱学习器之间没有依赖关系，可以并行拟合。本文就对集成学习中Bagging与随机森林算法做一个总结。 随机森林是集成学习中可以和梯度提升树GB ...
分类：
编程语言 时间：
2017-03-08 17:57:46
阅读次数：
290
学习资料：《Activiti实战》 第七章 Activiti与容器集成 本章讲解activiti-spring可以做的事情，如何与现有系统集成，包含bean的注入、统一事务管理等。 7.1 流程引擎工厂 7.1.1 ProcessEngine 创建processEngine的方法有三种： 7.1.2 ...
分类：
其他好文 时间：
2017-02-21 11:35:10
阅读次数：
413
