(6.5)--6.5 bagging方法机器学习与模式识别.pptVIP

  • 6
  • 0
  • 约2.04千字
  • 约 19页
  • 2024-02-28 发布于陕西
  • 举报

(6.5)--6.5 bagging方法机器学习与模式识别.ppt

Bagging算法BootstrapAggregating

CHAPTERONEBagging策略BaggingStrategy

一、Bagging策略基本思想确保基学习器各不相同—Boosting:串行提升,为每个样本分配不同的权重—Bagging:并行学习,从原始样本集中生成不同的子集子集生成方法的要求?—若子集与原始集合偏离过多,则基学习器经验风险过大—若两个子集的重叠样本过多,则基学习器将过于相似

一、Bagging策略采样方法Bootstrap:有放回的均匀抽样?Pasting:无放回的均匀抽样—对于每个个体分类器,已经抽出的样本在之后采样中不再出现—个体分类器???的训练集样本数量(一般为60%~80%),且内部无重复?

一、Bagging策略基本算法算法步骤通过对原始数据集的随机采样生成样本子集,抽取T轮得到T个子集;每次使用一个子集训练一个模型,共得??个模型;模型集成—分类问题:采用投票方式得到分类结果—回归问题:T个模型均值作为最后结果样本训练集合样本子集1样本子集2样本子集T弱学习器1弱学习器2弱学习器T强学习器随机采样结合策略

CHAPTERTWO随机森林算法RandomForest

二、随机森林算法算法要点概述随机森林是Bagging的一种典型算法采用Bagging策略建立多棵决策树每棵决策树使用完整训

文档评论(0)

1亿VIP精品文档

相关文档