第七章 集成模型.pptxVIP

第七章集成模型

本章内容1.集成方法概述2.Boosting和AdaBoost3.Bagging和随机森林4.GradientBoostingDecisionTreeJune16,20261

1.集成方法概述June16,20262集成方法的思想简单直接，用一句谚语就可以概括：“三个臭皮匠，顶个诸葛亮”集成多个模型的能力，达到比单一模型更佳的效果。这些算法可以是不同的算法，也可以是相同的算法聚类分析集成方法概述

1.集成方法概述June16,20263为什么能提高效果？增强模型的表达能力单个感知机无法正确分类数据集成三个感知机能正确分类数据

为什么能提高效果？?June16,202641.集成方法概述

1.集成方法概述June16,20265为什么能提高效果？?

1.集成方法概述June16,20266Bagging：对样本或特征随机取样，学习产生多个独立的模型，然后平均所有模型的预测值。主要减小方差。典型代表随机森林Boosting：串行训练多个模型，后面的模型是基于前面模型的训练结果（误差）。主要减小偏差。它的代表是AdaBoost和GBDT聚类分析集成方法分类

本章内容1.集成方法概述2.Boosting和AdaBoost3.Bagging和随机森林4.GradientBoostingDecisionTreeJu