机器学习之集成学习（二）AdaBoost算法
一、boosting算法的基本原理 集成学习器根据个体学习器的生成是否存在依赖关系，可以分为两类：个体学习器间存在强依赖关系，必须串行生成，代表算法是boosting系列算法；个体学习器之间不存在强依赖关系，可以并行生成，代表算法是bagging和随机森林系列算法。在boosting系列算法中，AdaBoost是最著名的算法之一。AdaBoost既可以用作分类，也可以用作回归。
相关文章
- 1. 【机器学习】集成学习(二)----AdaBoost算法
- 2. 机器学习笔记(十二)——集成学习方法之AdaBoost
- 3. 【机器学习】boosting集成学习Adaboost
- 4. 机器学习实战——集成学习 Adaboost 算法
- 5. 『机器学习算法』集成学习——AdaBoost
- 6. 机器学习算法--集成学习2--AdaBoost
- 7. 集成学习之Adaboost算法
- 8. 机器学习——AdaBoost算法
- 9. 【机器学习算法】AdaBoost
- 10. 机器学习算法-adaboost
- 更多相关文章...
- • 您已经学习了 XML Schema，下一步学习什么呢？ - XML Schema 教程
- • 我们已经学习了 SQL，下一步学习什么呢？ - SQL 教程
- • Kotlin学习（二）基本类型
- • Tomcat学习笔记（史上最全tomcat学习笔记）
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
最新文章
欢迎关注本站公众号,获取更多信息
