本文介绍了集成学习中的两种方法：bagging与boosting。重点阐述了bagging的工作原理及其实现方式——随机森林算法，并指出其在数据挖掘竞赛中的广泛应用。
集成学习中有两类方法，bagging和boosting。bagging使用众多弱学习器进行并行拟合，不同的学习器之间取长补短，能达到甚至超越强学习器的效果。bagging的有效实现是随机森林算法，也是在数据挖掘比赛中常使用的基础方法。参考链接如下：
扫一扫
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
集成学习中有两类方法，bagging和boosting。bagging使用众多弱学习器进行并行拟合，不同的学习器之间取长补短，能达到甚至超越强学习器的效果。bagging的有效实现是随机森林算法，也是在数据挖掘比赛中常使用的基础方法。参考链接如下：
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
