《Deep Forest: Towards an Alternative to Deep Neural Networks》理解

最新推荐文章于 2023-02-04 18:02:42 发布
原创 最新推荐文章于 2023-02-04 18:02:42 发布 · 5.1k 阅读 · 5 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#深度学习

论文下载地址：http://xueshu.baidu.com/s?wd=paperuri%3A%28637f02600a538dc721ff4c3213ce2b7a%29&filter=sc_long_sign&tn=SE_xueshusource_2kduw22v&sc_vurl=http%3A%2F%2Farxiv.org%2Fpdf%2F1702.08835&ie=utf-8&sc_us=13086283128763159927
当前的深度模型全部都是神经网络。这篇论文展示了如何构建深度森林（deep forest），为在许多任务中使用深度神经网络之外的方法打开了一扇门。

gcForest(multi-Grained Cascade forest 多粒度级联森林)是周志华教授最新提出的基于决策树的集成方法(ensemble method)。核心思想：利用级联森林方法去学习生成模型。
gcForest模型构建分为两个阶段：
(1) Multi-Grained Scanning（多粒度扫描）：生成特征
(2) Cascade Forest（级联森林）：经过多个森林多层级联得出预测结果

1、Cascade Forest(级联森林)

最低0.47元/天 解锁文章

200万优质内容无限畅学
Deep Forest: Towards an Alternative to Deep Neural Networks (阅读笔记)
xue_wenyuan的专栏
07-01 2843
Deep Forest: Towards an Alternative to Deep Neural Networks (阅读笔记)
理解《Deep Forest: Towards An Alternative to Deep Neural Network》
Virtual_Func的博客
03-05 5331
Deep Forest 结构 1. Deep Forest 是由多层瀑布组成的，每一层瀑布的输入是前一层瀑布输出的特征信息，且该层瀑布的输出作为下一层瀑布的输入特征的一部分 2. 瀑布是由多个森林集成的，而森林又是由多棵决策树集成的。为了保证模型的多样性，采用了多种不同种类的森林 3. 为了简单起见，文中在每层瀑布中只选用了两种森林：two complete random fores
论文——Deep Forest: Towards an Alternative to Deep Neural Networks - 周志华老师深度森林第一篇
sleepingposture的博客
03-13 1228
在“Deep Forest: Towards an Alternative to Deep Neural Networks”（论文网址见文章最后）这篇论文中，提出了除利用神经网络的深度学习以外的基于树的深度方法gcForest。 这篇深度森林论文中使用的是多粒度级联森林gcForest，深度学习取得成功的主要原因是有：有逐层的处理、有内部特征的变化、有足够的模型复杂度。 类比于这些原因，周教授...
【Paper】Deep Forest: Towards an Alternative to Deep Neural Networks*
Marguerite_的博客
11-06 415
这篇文章提出了一种名为“gcForest (multi-Grained Cascade Forest)”的基于决策树的集成方法，具有和神经网络相竞争的能力。其高性能主要体现： - 在无需庞大的训练集。 - 无需较多的超参，训练更容易。 - 训练时易于实现并行算法，训练更高效。 - 可根据现有计算资源控制训练时的资源消耗。 - 基于树形结构和同样的超参设置(甚至是默认设置)，其表现更好，理论可解释性更强。
【论文精读】Deep Forest: Towards an Alternative to Deep Neural Networks
学习记录，厚积薄发
02-04 2996
论文精读之深度森林算法原理
【深度学习】Deep Forest：gcForest算法理解
z小白的博客
06-13 1万+
一、相关理论 本篇博文主要介绍南京大学周志华教授在2017年提出的一种深度森林结构——gcForest（多粒度级联森林）。近年来，深度神经网络在图像和声音处理领域取得了很大的进展。关于深度神经网络，我们可以把它简单的理解为多层非线性函数的堆叠，当我们人工很难或者不想去寻找两个目标之间的非线性映射关系，我们就多堆叠几层，让机器自己去学习它们之间的关系，这就是深度学习最初的想法。既然神经网络可以堆叠...
Deep Forest Towards an Alternative to Deep Neural Networks
fgh123的博客
01-29 318
文章目录Abstract1 IntroductionDNN很牛逼 Abstract propose gcForest, a decision tree ensemble approach with performance highly competitive to deep neural networks contrast to dnn require great effort in hyper-parameter tuning, gcForest much easier to train;  
Deep Forest: Towards An Alternative to Deep Neural Networks 链接
余音的博客
07-09 183
https://zhuanlan.zhihu.com/p/25600452 https://www.sohu.com/a/229489591_505779
深度森林论文阅读笔记
Mr.Lecchon的博客
03-04 2万+
本文是《机器学习》作者周志华教授和冯霁博士在2017年2月28日发表的论文《Deep Forest: Towards An Alternative to Deep Neural Networks》的阅读笔记，因此本文不会一字一句的翻译过来，但会加入我自己的理解，如有谬误请读者指正。新智元（http://chuansong.me/n/1621631051734）对此文也有一篇翻译。 周志华教授
「Machine Learning」Note on Neural Network and Random Forest（神经网络与随机森林）
小锋子Shawn
05-21 3241
Sina Weibo：小锋子Shawn Tencent E-mail：403568338@qq.com http://blog.youkuaiyun.com/dgyuanshaofeng/article/details/80379520 深度学习与随机森林的结合，有如下算法： deep regression forest neural regression forest deep neural...
[重磅]Deep Forest，非神经网络的深度模型，周志华老师最新之作，三十分钟理解！...
weixin_30607029的博客
03-06 1096
欢迎转载，转载请注明：本文出自Bin的专栏blog.youkuaiyun.com/xbinworld。 技术交流QQ群：433250724，欢迎对算法、技术感兴趣的同学加入。 深度学习最大的贡献，个人认为就是表征学习（representation learning），通过端到端的训练，发现更好的features，而后面用于分类（或其他任务）的输出function，往往也只是普通的s...
[机器学习]gcForest算法理解
摩登都市天空---专栏
12-04 3651
一、相关理论 本篇博文主要介绍南京大学周志华教授在2017年提出的一种深度森林结构——gcForest（多粒度级联森林）。近年来，深度神经网络在图像和声音处理领域取得了很大的进展。关于深度神经网络，我们可以把它简单的理解为多层非线性函数的堆叠，当我们人工很难或者不想去寻找两个目标之间的非线性映射关系，我们就多堆叠几层，让机器自己去学习它们之间的关系，这就是深度学习最初的想法。既然神经网络可以堆叠...
Deep Forest:一种深度神经网络的替代模型架构
guoyuhaoaaa的博客
12-16 6797
本篇博客主要参考了周志华老师团队在2017年IJCAI上发表的论文《Deep Forest: Towards an Alternative to Deep Neural Networks》。这篇文章的主要贡献是把深层次的神经网络的原理运用到了传统的机器学习算法“random forest”中去，并取得了和深度学习神经网络相当的效果。众所周知，现在深度学习在工业界和学术界都非常的火，各种基于卷积神经网
深度森林：探索深度神经网络以外的方法
zhujianing的博客
06-01 3026
挑战深度学习 《深度森林：探索深度神经网络以外的方法》 阅读量：1306 收藏本文 深度神经网络的巨大成功掀起了一股深度学习热潮。 　　或许，这股热潮有些“太热”了。 　　就在这周，南京大学机器学习与数据挖掘研究所（LAMDA）负责人周志华教授将他和 LAMDA 博士生冯霁写的论文《深度森林：探索深度神经网络以外的方法》（Deep Fo
周志华最新论文 | 深度森林：探索深度神经网络以外的方法
优快云 人工智能
03-02 5556
西瓜书《机器学习》作者、南京大学周志华日前发表论文，提出了一种基于树的方法，挑战深度学习。在设置可类比的情况下，新方法 gcForest 取得了和深度神经网络相当甚至更好的结果，而且更容易训练，小数据也能运行，更重要的是相比神经网络，基于树的方法不会存在那么困难的理论分析问题。周志华和冯霁在论文里写道，“我们认为，要解决复杂的问题，学习模型也需要往深了去。然而，当前的深度模型全部都是神经网络...
Tensorflow深度学习之二十：CIFAR-10数据集介绍
热门推荐
DaVinciL的博客
12-13 2万+
一、CIFAR-10 CIFAR-10数据集由10类32x32的彩色图片组成，一共包含60000张图片，每一类包含6000图片。其中50000张图片作为训练集，10000张图片作为测试集。CIFAR-10数据集被划分成了5个训练的batch和1个测试的batch，每个batch均包含10000张图片。测试集batch的图片是从每个类别中随机挑选的1000张图片组成的,训练集batch以随机的顺序包
TensorFlow学习－－CIFAR-10
akadiao的博客
03-20 2万+
CIFAR-10数据集 CIFAR-10数据集包含10个类的60000张32x32的彩色图像，每个类有6000张图像．有50000张训练图像和10000张测试图像．CIFAR-10数据集 10个分类明细及对应的部分图片： 教程代码 其中主要涉及的文件： 文件 作用 cifar10_input.py 读取本地二进制文件 cifar10_input_t...
实验向：Deep Forest 复现与自己数据的实现
weixin_40516558的博客
05-31 5850
花了半天不到的时间看了一下论文，论文地址：https://arxiv.org/abs/1702.08835 本身做图像比较多，机器学习比较少，以下只是我简单粗浅的理解。 摘要 优点：在small-scale数据集上表现良好；可以处理各类数据，结构化数据，文本数据，图像数据等等等。 1. Introduction 所谓gcForest，指的是multi-Grained Cascade...
第三篇：显示cifar-10中的图片
Welcome
09-19 7392
问题 因为在学习使用cifar-10的过程中，一直对着矩阵进行操作，不知道具体的图片是什么样的 需要将三个32x32的矩阵转化为32x32x3矩阵 因为最后会使用plt.imshow这个函数显示图片，imshow的参数需要是（n,m）or (n,m,3) or (n,m,4)的矩阵 具体参考代码： # --coding:utf-8 -- import tensorflow as tf i
towards deeper graph neural networks
08-12
最近，对于图神经网络的研究日益深入，引起了广泛关注。图神经网络是一种能够对图数据进行建模和分析的神经网络模型。它可以处理任意结构的图形数据，如社交网络、蛋白质互作网络等。 在过去的几年中，研究者们提出...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值