您的浏览器版本过低,为保证更佳的浏览体验,请点击更新高版本浏览器

以后再说X

欢迎访问绘芯科技网站!

全国订购热线:
027-87052087 13329706647

行业资讯

互动电视 集成算法

作者:hxceshi 发布时间:2022-01-15 00:00 次浏览

集成算法顾名思义,集成算法就是把多个算法的结果汇总起来,以期得到更非常好的效果。常见的集成算法模型有:Bagging、Boosting、Stacking。基本思想是“逐步强化”。该算法的基本思想是:把样本分成n份,使用n个分类器对样本进行计算;计算的结果作为下一层分类器的输入;不断迭代,直到达到迭代的次数限制为止。Boosting算法

集成算法

1、目的

顾名思义移屏安装 TEl 13329706647,集成算法就是把多个算法的结果汇总起来,以期得到更非常好的效果。

常见的集成算法模型有:Bagging、Boosting、Stacking。下面对三种模型进行详细的引见。

2、Bagging

Bagging全称是bootstrap aggregation,基本思想是训练多个分类器,各个分类器之间不存在强依赖关系,然后把计算结果求平局值:f(x)=1/M∑m=1mfm(x)f(x)=1/M\sum_{m=1}^mf_m(x)f(x)=1/M∑m=1m?fm?(x)。

随机森林是这一模型的典型代表。

2.1 随机森林的定义

随机的含义是:数据采样随机算法基本思想,特征选择随机。

森林的含义是:一群决策树并行放在一起。

所以随机森林就是随机采样、随机特征构成的一堆决策树,并行进行计算,然后对计算结果求平局值得到最终的结果。

在这里插入图片描述

2.2 随机森林的构建

随机森林每个决策树的构建,都满足两个条件:随机采样、随机选择特征。只有这样,才能保证各个决策树计算出来的结果,拥有足够的泛化能力。

随机森林构建完成后算法基本思想,对于分类任务和回归任务的结果处理也有不同:

决策树的数量

构成随机森林的决策树数量越多,效果不一定越非常好。如下图所示电动滑轨屏 TEl 13329706647,数量为80时,效果要非常好于数量为90时,所以需要根据实际的情况对结果进行判断:

决策树数量对精度的影响

2.3 随机森林的优缺点 优点 缺点 3、Boosting

典型代表是AdaBoost、XgBoost算法。

基本思想是“逐步强化”。计算过程为:

在这里插入图片描述

疑问:有的说是对样本改变权重,有的说是对分类器改变权重,究竟哪个是对的??

4、Stacking

该算法的基本思想是:把样本分成n份,使用n个分类器对样本进行计算;计算的结果作为下一层分类器的输入;不断迭代,直到达到迭代的次数限制为止。

缺点:效率非常低。

在这里插入图片描述

参考文档

Boosting学习笔记(Adboost、GBDT、Xgboost)

机器学习 —— Boosting算法

机器学习算法——集成方法(Ensemble)之Stacking

滑轨屏,互动滑轨屏专业定制「绘芯科技」 「绘芯科技」滑屏厂家

上一篇:滑轨屏 线性滑轨导轨(滑线轨道)

下一篇:没有了

客服