• 博客园logo
  • 会员
  • 周边
  • 新闻
  • 博问
  • 闪存
  • 众包
  • 赞助商
  • YouClaw
    • 搜索
      所有博客
    • 搜索
      当前博客
  • 写随笔 我的博客 短消息 简洁模式
    用户头像
    我的博客 我的园子 账号设置 会员中心 简洁模式 ... 退出登录
    注册 登录
 






_1024

 
 

Powered by 博客园
博客园 | 首页 | 新随笔 | 联系 | 订阅 订阅 | 管理

随笔分类 -  3_模型集成

Bagging&Boosting&Stacking:GMM/RF/Adaboost/GBDT等
 
模型集成04-GMM
摘要:机器学习基础06:GMM 阅读全文
posted @ 2016-12-10 22:42 _1024 阅读(124) 评论(0) 推荐(0)
模型集成03-RF/GBDT/GBDT+LR
摘要:机器学习基础06:RF 阅读全文
posted @ 2016-12-10 22:41 _1024 阅读(119) 评论(0) 推荐(0)
模型集成02-AdaBoost
摘要:这个topic内容不多,一点基础概念吧。 阅读全文
posted @ 2016-12-10 22:40 _1024 阅读(110) 评论(0) 推荐(0)
模型集成01-Bagging/Boosting/Stacking
摘要:1、常用的集成学习方式 目前来看,常用的集成学习可以分为三类:Bagging、Boosting、Stacking。其中: Bagging使用相同的数据集和相同类型的基决策器。不同的基决策器,并行地通过自举采样,分别训练一个决策器,然后对分类结果进行投票,从而获得最终结果。以RF为代表。 Boosti 阅读全文
posted @ 2016-12-10 22:40 _1024 阅读(176) 评论(0) 推荐(0)