集成學習(bagging and boosting)

集成學習簡介 集成學習是通過構建並組合多個學習器來完成學習任務的算法,集成學習常用的有兩類: Bagging:基學習器之間無強烈依賴關係,可以同時生成的並行化方法 Boosting:基學習之間存在強烈的依賴關係,必須串行生成基分類器的方法 集成學習可以分爲以下幾類: Bagging(Boostsrap Aggregating)方法: bagging算法: 首先設置生成n個弱學習器 每次循環一個弱學
相關文章
相關標籤/搜索