集成学习理论梳理-bagging、boosting

集成学习

集成学习归属于机器学习,他是一种「训练思路」,
并不是某种具体的方法或者算法。
集成学习的核心思路就是「人多力量大」,它并没有创造出新的算法,
而是把已有的算法进行结合,从而得到更好的效果
集成学习会挑选一些简单的基础模型进行组装,
组装这些基础模型的思路主要有 2 种方法:

1.bagging(bootstrap aggregating的缩写,也称作“套袋法”)
2.boosting

1.bagging

bagging的核心思路是---民主

Bagging 的思路是所有基础模型都一致对待,每个基础模型手里都只有一票。然后使用民主投票的方式得到最终的结果。
在这里插入图片描述


                
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

Tialyg

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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