机器学习复习(13) 集成学习
通过整合多个分类器（同质/异质）的结果来提高准确率 同质的：选用不同的分类器，例如svm和决策树 异质的：选用同一种分类器，但是参数、数据等不一样 如何集成？ 1.平均 2.带权平均 和带权平均的差别在于：不同的数据经过g（x）得到的权重不同，带权平均的w1,w2.。。是固定的 输出作为下一个模型的输入 5. 6. 综合了多个机器学习器的意见 是不是所有的集成都能提高效果？ 不一定 并行的方法：
相关文章
- 1. 机器学习复习13-PCA
- 2. 机器学习回顾篇（13）：集成学习之AdaBoost
- 3. 机器学习习题(13)
- 4. 【机器学习】机器学习之集成学习
- 5. 机器学习--集成学习（Ensemble Learning）
- 6. 机器学习----集成学习
- 7. 集成学习（机器学习）
- 8. 【机器学习】集成学习原理
- 9. 机器学习（十三）——集成学习
- 10. 机器学习——集成学习
- 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
- • Tomcat学习笔记（史上最全tomcat学习笔记）
- • Kotlin学习（二）基本类型
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。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. 机器学习复习13-PCA
- 2. 机器学习回顾篇（13）：集成学习之AdaBoost
- 3. 机器学习习题(13)
- 4. 【机器学习】机器学习之集成学习
- 5. 机器学习--集成学习（Ensemble Learning）
- 6. 机器学习----集成学习
- 7. 集成学习（机器学习）
- 8. 【机器学习】集成学习原理
- 9. 机器学习（十三）——集成学习
- 10. 机器学习——集成学习