haibin88

摘要： 随机森林分类器（Random Forest Classifier，又称为“随机森林”）是一种常用的机器学习算法，它是基于决策树的一种集成学习方法，是一种集成算法（Ensemble Learning），它属于Bagging类型，通过组合多个弱分类器，最终结果通过投票或取均值，使得整体模型的结果具有较高 阅读全文

摘要： 分类器集成（又称为“集成学习”），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，有时也被称为多分类器系统(multi-classifier system)、基于委员会的学习(committee-based learning)。 结合策略主要有平均法、投票法和学 阅读全文

摘要： boosting类算法 和 bagging类算法最本质的差别在于他对基础模型不是一致对待的，而是经过不停的考验和筛选来挑选出“精英”，然后给精英更多的投票权，表现不好的基础模型则给较少的投票权，然后综合所有人的投票得到最终结果。 大部分情况下，经过 boosting 得到的结果偏差（bias）更小。 阅读全文

摘要： Adaboost 算法就是 Boosting算法的其中一种。 阅读全文

摘要： 首先，了解一下集成学习及 Boosting 算法。集成学习归属于机器学习，他是一种“训练思路”，并不是某种具体的方法或者算法。 现实生活中，大家都知道“人多力量大”，“3 个臭皮匠顶个诸葛亮”。而集成学习的核心思路就是“人多力量大”，它并没有创造出新的算法，而是把已有的算法进行结合，从而得到更好的效 阅读全文