集成學習==>Bootstrap Bagging AdaBoost簡介

集成學習是使用一系列學習器進行學習,並使用某種規則把各個學習結果進行整合從而獲得比單個學習器更好的學習效果的一種極其學習方法。 簡單地說,就是通過抽樣等方式從原始數據集構造m個訓練集,再選擇一個弱分類器(比如決策樹)對這些訓練集進行訓練得到m個分類器,在待分類數據進行分類時,同時使用這m個分類器去判斷,使用多數表決或者權重聯合的方式綜合這m個分類器給出的分類結果,得到最終結果。 就好比是:原始數據
相關文章
相關標籤/搜索