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

最新推荐文章于 2022-08-18 17:39:26 发布

weixin_33774308

最新推荐文章于 2022-08-18 17:39:26 发布

阅读量1.1k

点赞数

CC 4.0 BY-SA版权

文章标签：人工智能数据结构与算法大数据

原文链接：https://my.oschina.net/zhujian111/blog/776665

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。

2019独角兽企业重金招聘Python工程师标准>>>

在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Bagging和Boosting,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