Ensembles notes (07) (Các phương pháp học ensemble) - Sebastian Raschka
Tài liệu ghi chú bài giảng môn Học máy (STAT 479) của Sebastian Raschka, trình bày các phương pháp học ensemble như majority voting, bagging, boosting, random forests, stacking.
Generating preview...
STAT 479: Machine Learning Lecture Notes Sebastian Raschka Department of Statistics University of Wisconsin–Madison http://stat.wisc.edu/∼sraschka/teaching/stat479-fs2018/ Fall 2018 Contents 7 Ensemble Methods 1 7.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 7.2 Majority Voting . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 7.3 Soft Majority Voting . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 7.4 Bagging . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 7.5 Bias and Variance Intuition . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 7.6 Boosting . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 7.6.1 8 7.7 7.8 7.9 AdaBoost (Adaptive Boosting) . . . . . . . . . . . . . . . . . . . . . . Random Forests . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 7.7.1 Overview . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 7.7.2 Does random forest select a subset of features for every tree or every node? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 7.7.3 Generalization Error . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 7.7.4 Feature Importance via Random Forests . . . . . . . . . . . . . . . . . 10 7.7.5 Extremely Randomized Trees (ExtraTrees) . . . . . . . . . . . . . . . 10 Stacking . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 7.8.1 Overview . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 7.8.2 Naive Stacking . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 7.8.3 Stacking with Cross-Validation . . . . . . . . . . . . . . . . . . . . . . 13 Resources . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 7.9.1 Assigned Reading . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
… Tải file gốc để đọc toàn bộ tài liệu.
- Document name
- Ensembles notes (07) (Các phương pháp học ensemble) - Sebastian Raschka
- School / Course
- University Wisconsin-Madison · Machine learning
- Content
- Tài liệu giới thiệu và giải thích các phương pháp Ensemble trong học máy, bao gồm Voting, Bagging, Boosting, Random Forests và Stacking. Mục tiêu là kết hợp nhiều mô hình để đạt hiệu suất tốt hơn mô hình đơn lẻ.
- Table of contents
- 7 Ensemble Methods
- 7.1 Introduction
- 7.2 Majority Voting
- 7.3 Soft Majority Voting
- 7.4 Bagging
- 7.5 Bias and Variance Intuition
- 7.6 Boosting
- 7.6.1 AdaBoost (Adaptive Boosting)
- 7.7 Random Forests
- 7.7.1 Overview
- 7.7.2 Does random forest select a subset of features for every tree or every node?
- 7.7.3 Generalization Error
- 7.7.4 Feature Importance via Random Forests
- 7.7.5 Extremely Randomized Trees (ExtraTrees)
- 7.8 Stacking
- 7.8.1 Overview
- 7.8.2 Naive Stacking
- 7.8.3 Stacking with Cross-Validation
- 7.9 Resources
- 7.9.1 Assigned Reading
- 7.9.2 Further Reading
- Doc.pages
- 16 pages
- Uploaded by
- Giang Le
Frequently asked questions
Tài liệu này có miễn phí không?
Có. “Ensembles notes (07) (Các phương pháp học ensemble) - Sebastian Raschka” miễn phí — bạn chỉ cần đăng nhập rồi bấm Tải xuống để lấy file gốc.
Tài liệu dài bao nhiêu trang?
Tài liệu gồm 16 trang, thuộc môn Machine learning. Bạn có thể xem trước online trước khi tải.
Tôi có thể xem trước trước khi tải không?
Có. Bạn xem trước tài liệu ngay trên trang này bằng trình đọc online, rồi quyết định tải về.
Comments (0)
No comments yet. Be the first!