IBM SPSS Modeler 算法优化神器——Bagging 和 Boosting

本文介绍了IBM SPSS Modeler中Bagging和Boosting的概念及其在模型优化中的作用。Bagging通过随机抽样生成多个模型,而Boosting根据错误率调整权重,迭代构建模型。在电信流失客户分析模型中,应用这两项技术能显著提高预测准确率,但计算量也会相应增加。

IBM SPSS Modeler中,每个算法都会有相应的默认参数设置,对初学者来说,即使不是很懂算法,也可以生成模型结果,但在实际项目中,我们为了使得模型更加的优化,提升模型的准确率,经常会对算法的参数做一些相应的调整,那么今天,我们给大家介绍两个参数,分别是BaggingBoosting,让大家了解下它们是怎么用的,能带来什么样的模型优化结果。

用途:

Bagging和Boosting都是用来提高模型准确率的方法。

计算逻辑:

Bagging是Bootstrap Aggregating的一种方式,是一种根据均匀概率分布从数据集中重复抽样(有放回的)的技术。每个自助样本集都和原数据集一样大。由于抽样过程是有放回的,因此一些样本可能在同个训练数据集中出现多次,而其它一些却可能被忽略。假设我设置了Bagging的次数是10,也就是说我会根据上面的重复抽样方式,抽取10份数据,分别

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
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