目前看到的比较全面的分类算法,总结的还不错. 主要分类方法介绍解决分类问题的方法很多[40-42] ，单一的分类方法主要包括：决策树、贝叶斯、人工神经网络、K-近邻、支持向量机和基于关联规则的分类等；另外还有用于组合单一分类方法的集成学习算法，如Bagging和Boosting等。 （1...
分类：
编程语言 时间：
2015-11-28 20:03:30
阅读次数：
186
关于集成学习基础的简单描述什么是集成学习？集成建模是优化模型表现的一条重要途径。通常来说，将集成学习方法运用在你所构建的诸多模型之上是十分值得的，而同道中人们也一次又一次地证明着这一点。他们在诸如Kaggle之类的数据建模竞赛中往往会不约而同地采用集成学习，并且从中受益。集成学习其实是一个很宽泛的概...
分类：
其他好文 时间：
2015-08-20 22:09:35
阅读次数：
190
文档声明该文档主体为去年末自主学习时总结，旨在为我司提供一套企业级持续集成解决方案。这篇文章现在看上去很稚嫩，但是当时花费了许多心血。希望将当时的学习心得拿出来与大家交流。该文档主要说明了jenkins持续集成部署的相关步骤，并着重实现了权限分组，邮件配置，插件配置的jenkins实现过程。对出现的...
分类：
其他好文 时间：
2015-07-21 01:12:58
阅读次数：
181
使用机器学习方法解决问题时，有较多模型可供选择。 一般的思路是先根据数据的特点，快速尝试某种模型，选定某种模型后， 再进行模型参数的选择（当然时间允许的话，可以对模型和参数进行双向选择） 因为不同的模型具有不同的特点， 所以有时也会将多个模型进行组合，以发挥"三个臭皮匠顶一个诸葛亮的作用"， ...
分类：
其他好文 时间：
2015-07-16 21:47:17
阅读次数：
174
一、集成学习方法的思想
前面介绍了一系列的算法，每个算法有不同的适用范围，例如有处理线性可分问题的，有处理线性不可分问题。在现实世界的生活中，常常会因为“集体智慧”使得问题被很容易解决，那么问题来了，在机器学习问题中，对于一个复杂的任务来说，能否将很多的机器学习算法组合在一起，这样计算出来的结果会不会比使用单一的算法性能更好？这样的思路就是集成学习方法。
集成学习方法是指组合多...
分类：
编程语言 时间：
2015-06-16 13:07:53
阅读次数：
173
一，首先要清楚，SpringMVC其实就是Spring的一个组件例如我们知道Spring中有类似于，AOPTX等等类似的组件，所以SpringMVC其实就是Spring的一个组件，是Spring框架的一部分，千万不要把SpringMVC当成是另一种框架！所以在配置上，还是按照配置Spring的套路来...
分类：
编程语言 时间：
2015-05-15 01:13:30
阅读次数：
164
摘要： 利用软件中的历史缺陷数据来建立分类器，进行软件缺陷的检测。 多核学习(Multiple kernel learning)：把历史缺陷数据映射到高维特征空间，使得数据能够更好地表达； 集成学习(ensemble learning)：使用一系列的分类器来减少由主类带来的分类误差，使具有更好的检测...
分类：
其他好文 时间：
2015-05-10 18:50:06
阅读次数：
144
http://jingyan.baidu.com/article/f71d60379c73001ab741d14e.html对于使用Mac电脑，刚入门Python的同学，一定很好奇是不是可以使用Xcode这款IDE工具集成学习Python语言，答案是Yes！网络中有很多使用Xcode5搭建的帖子，现...
分类：
编程语言 时间：
2015-05-07 16:32:01
阅读次数：
149
摘要： 本文主要是评估多种监督机器学习算法的有效性，这些算法用于判断一个错误报告是否是reopened的，算法如下： 7种监督学习算法：kNN,SVM, SimpleLogistic,Bayesian Network, Decision Table, CARTand LWL； 3种集成学习算法： A...
分类：
其他好文 时间：
2015-04-20 10:58:45
阅读次数：
160
随机森林和GBTs都是集成学习算法，它们通过集成多棵决策树来实现强分类器。
集成学习方法就是基于其他的机器学习算法，并把它们有效的组合起来的一种机器学习算法。组合产生的算法相比其中任何一种算法模型更强大、准确。
随机森林和梯度提升树(GBTs)。两者之间主要差别在于每棵树训练的顺序。
随机森林通过对数据随机采样来单独训练每一棵树。这种随机性也使得模型相对于单决策树更健壮，...
分类：
其他好文 时间：
2015-04-13 22:59:00
阅读次数：
892
