原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
PatternRecognition模式识别
组合分类器
CombiningClassifiers
组合分类器（集成学习）多个弱分类器共同组成一个强分类器基分类器（弱分类器）的性能要求要好于随机分类每个基分类器的训练集和训练结果要有差异方差和偏差是组合分类器重点考虑的两项指标基分类器组合方法包括投票、级联和求和组合分类器Bagging方法Boosting方法Stacking方法
Bagging方法随机森林有监督特征选择忽略特征相关性无偏性过拟合?Bootstrapping抽样原始样本集子样本集1子样本集2子样本集3子样本集k分类器1分类器2分类器3分类器k投票器训练训练训练训练组合分类器结果输出抽样子集与原始样本集的统计分布相同吗？
Boosting方法串联训练偏差逐渐缩小需要基分类器方差小高性能和自适应能力初始化加权样本集;训练第一个基分类器；调整样本和基分类器的权重;训练下一个吉非罗齐;对基分类器输出加权求和?Adaboost
文档评论（0）