發(fā)簡信
IP屬地：北京
-
反向傳播反向傳播（英語：Backpropagation，縮寫為BP）是“誤差反向傳播”的簡稱引润，是一種與最優(yōu)化方法（如梯度下降法）結(jié)合使用的俗冻，用來訓練人工...
-
Bagging-隨機森林
Bagging流派的機器學習, 其學習器之間沒有沒有依賴關系, 這意味著可以并行計算, Bagging的弱學習器之間沒有boosting那樣的聯(lián)...
-
Boost-GBDT
GBDT也是集成學習Boosting家族的成員锦聊，但是卻和傳統(tǒng)的Adaboost有很大的不同勤揩〉刍穑回顧下Adaboost，我們是利用前一輪迭代弱學習器...
-
Boost-Adaboost
我們知道boost系列是強依賴關系, 有這個依賴, 各個學習器之間還有這些問題沒有解決: 如何計算學習的誤差率 如何得到弱學習器的權重 如何更新...
-
總覽集成學習(ensemble learning)本身不是一個單獨的機器學習算法风罩，而是通過構(gòu)建并結(jié)合多個機器學習器來完成學習任務。也就是我們常說的“...
-
總結(jié)
決策樹算法的有點 簡單, 直觀, 可解釋性強, 建樹容易 不需要預處理, 歸一化, 以及處理缺失值 離散值, 連續(xù)值, 及其混合都可以處理 能夠...
-
分治法
分治算法的基本思想是將一個規(guī)模為N的問題分解為K個規(guī)模較小的子問題舵稠，這些子問題相互獨立且與原問題性質(zhì)相同超升。求出子問題的解，就可得到原問題的解哺徊。即...
-
CART在ID3算法中我們使用了信息增益來選擇特征室琢，信息增益大的優(yōu)先選擇。在C4.5算法中落追，采用了信息增益比來選擇特征盈滴，以減少信息增益容易選擇特征值多的...
-
C4.5
ID3算法存在的不足, 在C4.5里面有了改進 不能處理連續(xù)特征的問題C4.5的思路是將連續(xù)特征離散化. 比如m個樣本, 特征A有m個連續(xù)的值,...