AdaBoost

集成学习 (AdaBoost、Bagging、随机森林 ) python 预测

首先明确一下回归与分类的区别：分类和回归的区别在于输出变量的类型。定量输出称为回归，或者说是连续变量预测；定性输出称为分类，或者说是离散变量预测。举个例子：预测明天的气温是多少度，这是一个回归任务；预测明天是阴、晴还是雨，就是一个分类任务；决策树三种算法特性对比：ID3特点:（1）节点优先选取采用信息增益作为标准。（2）容易造成过度拟合（倾向于选择分类多的节点）（3）容易处理标称型数据（主要用于分
qingyang666·2017-03-26 11:00

Scikit-Learn 集成方法（Ensemble method） 学习

其中的代表：AdaBoost，G
夜晓楼·2017-03-18 22:27

AdaBoost算法理解基于机器学习实战

AdaBoost算法就是用一个数据多次训练一个弱的分类器，但是adaboost分类器主要关注那些以被分离器错分的数据。提高分类错误数据的权重，降低分对数据集的权重。
yuzhou164·2017-03-12 17:04

机器学习-读书笔记

adaboost弱分类器的系数是怎么计算出的，为什么要这样计算？目的：最小化指数损失函数迭代生成弱分类器过程中错误率大于0.5，break之后怎么办？？？
lzwdfas·2017-03-05 13:57

轻松看懂机器学习十大常用算法

今天的算法如下：决策树随机森林算法逻辑回归SVM朴素贝叶斯K最近邻算法K均值算法Adaboost算法神经网络马尔可夫1.决策树根据一些feature进行分类，每个节点提一个问题，通过判断，将数据分为两类
chezhai·2017-03-01 21:00

Haar特征Adaboost级联分类器训练经验——Practical Tips

最近在项目中使用opencv的人脸检测算法来检测灰机，效果还ok，就分类器训练过程中的一些小技巧做一个总结，其中有一部分是前人的经验，对这部分内容我发扬一下拿来主义，还有一些是自己的心得体会，希望对新手有一些帮助。至于算法原理网上很多，我不再赘述。检测效果主要还是看分类器训练得好不好，所以检测过程我也不说，网上也有很多源码解析得很好。训练是一个finetuning的过程，经验显得尤为重要，我重点就
starxhong·2017-02-28 23:35

机器学习算法与技术简介

模型简介PLAMLPLinearRegressionLogisticRegressionNaiveBayesSVMKNNDecisionTreeRandomForestAdaBoostGBDT模型比较LASSO
Young_Gy·2017-02-26 20:09

Adaboost+Haar

如果一个分类器的正确率仅仅比随机猜测好一点，称之为若分类器强分类器：如果一个分类器的正确率显著比随机猜测好，称之为强分类器事实证明：只要数据足够多，可以将弱分类器通过集成的方式提升到任意精度，这就是Boosting算法2.adaboost
聆听--风雨·2017-02-26 14:09

【OpenCV学习笔记 022】人脸识别 小试牛刀

在人脸检测算法被提出和发展的过程中，最具有代表性莫过于基于AdaBoost的人脸检测算法。
DaveBobo·2017-02-23 17:56

划重点

重点）推倒频率学派和贝叶斯学派生成方法和判别方法ID3/C4.5/CART决策树熵、互信息、KL散度过拟合、正则化偏差和方差感知机推倒k-means聚类推倒KKT条件及拉格朗日对偶推倒几种常见的损失函数adaboost
hustlx·2017-02-22 19:13

AdaBoost元算法学习笔记

AdaBoost是最流行的元算法的一种。
qq_15037067·2017-02-14 19:33

<转>【重磅干货整理】机器学习(Machine Learning)与深度学习(Deep Learning)资料汇总

http://blog.csdn.net/zhongwen7710/article/details/45331915介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感知机、神经网络、决策树、SVM、Adaboost
yongjian_luo·2017-02-13 14:50

Real adaboost

adaboost算法是boost算法的一种，它使用指数函数作为损失函数。
_飞奔的蜗牛_·2017-01-31 20:09

机器学习(Machine Learning)&深度学习(Deep Learning)资料(Chapter 1)

《BriefHistoryofMachineLearning》介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感知机、神经网络、决策树、SVM、Adaboost到随机森林、DeepLear
孙彦辉·2017-01-19 15:31

adaBoost算法-分类

一、boosting与adaBoost的区别：boosting是一种将弱分类器转化为强分类器的方法统称，而adaboost是其中的一种，采用了exponentiallossfunction（指数损失函数
jay463261929·2017-01-18 15:39

如何从零起步学习AI

在一直想继续写但每每错不开时间的反复纠结中，于14年年底终于腾出时间，又开始写最大熵、adaboost、聚类、贝叶斯、LDA等模型的学习笔记。
v_JULY_v·2017-01-15 13:56

Adaboost算法及分析

提升的思想：对于分类问题，给定一个训练样本集，求比较粗糙的分类规则（弱分类器）要比求精确的分类规则（强分类器）容易的多。提升方法就是从弱学习算法出发，反复学习，得到一系列弱分类器（又称为基本分类器），然后组合这些弱分类器，构成一个强大分类器。大多数的提升方法都是改变训练数据的概率分布（训练数据的权值分布），针对不同的训练数据分布调用弱学习算法学习一系列弱分类器。那么就存在两个问题（1）每一轮如何改
GaoShan1011·2017-01-03 20:09

Adaboost算法及分析

提升的思想：对于分类问题，给定一个训练样本集，求比较粗糙的分类规则（弱分类器）要比求精确的分类规则（强分类器）容易的多。提升方法就是从弱学习算法出发，反复学习，得到一系列弱分类器（又称为基本分类器），然后组合这些弱分类器，构成一个强大分类器。大多数的提升方法都是改变训练数据的概率分布（训练数据的权值分布），针对不同的训练数据分布调用弱学习算法学习一系列弱分类器。那么就存在两个问题（1）每一轮如何改
GaoShan1011·2017-01-03 20:00

数据挖掘算法学习（八）Adaboost算法

Adaboost是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器（弱分类器），然后把这些弱分类器集合起来，构成一个更强的最终分类器（强分类器）。
--Alvin--·2017-01-03 16:23

机器学习: Viola-Jones 人脸检测算法解析(二)

在实时的人脸检测应用中，不可能把所有的特征都用上，所有需要做特征选择，这篇博客里，我们将要介绍AdaBoost的训练方法和基于AdaBoost的层级分类器。Ad
Matrix_11·2016-12-28 14:09

AdaBoost 自适应推进

1.名词解释Boost(推进)，adaboost（adaptboost）自适应推进算法：Adaboost算法是机器学习中一种比较重要的特征分类算法，已被广泛应用人脸表情识别、图像检索等应用中。
满仓_·2016-12-24 09:09

机器学习实战学习笔记6——AdaBoost

1.AdaBoost概述1.1AdaBoost介绍AdaBoost是一种迭代算法，其核心思想是针对同一训练集训练不同的分类器（弱分类器），然后把这些分类器集合起来，构成一个最终的强分类器。
飞鸟2010·2016-12-21 00:00

opencv中adaboost训练算法分析

0、概述opencv集成了经典adaboost算法，并结合haar特征实现了人脸检测功能。
_飞奔的蜗牛_·2016-12-20 22:34

损失函数与梯度提升树

上一篇文章简单介绍了几种集成方法，以随机森林为代表的平均方法，以adaboost、提升树为代表的提升方法。本文继续提升树的讨论，采用梯度提升算法，分析更一般的损失函数下的分类、回归问题。
LDOTN·2016-12-12 21:41

python机器学习库scikit-learn简明教程之：AdaBoost算法

1.AdaBoost简介及原理Adaboost是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器(弱分类器)，然后把这些弱分类器集合起来，构成一个更强的最终分类器（强分类器）。
hanss2·2016-12-09 19:58

梯度提升树(GBDT)原理小结

在集成学习之Adaboost算法原理小结中，我们对Boosting家族的Adaboost算法做了总结，本文就对Boosting家族中另一个重要的算法梯度提升树(GradientBoostingDecisonTree
刘建平Pinard·2016-12-07 19:00

scikit-learn Adaboost类库使用小结

在集成学习之Adaboost算法原理小结中，我们对Adaboost的算法原理做了一个总结。
刘建平Pinard·2016-12-06 19:00

集成学习之Adaboost算法原理小结

在boosting系列算法中，Adaboost是最著名的算法之一。Adaboost既可以用作分类，也可以用作回归。本文就对Adaboost算法做一个总结。1.回顾boosting算法的基本
刘建平Pinard·2016-12-05 22:00

数据挖掘十大经典算法

theIEEEInternationalConferenceonDataMining(ICDM)2006年12月评选出了数据挖掘领域的十大经典算法：C4.5,k-Means,SVM,Apriori,EM,PageRank,AdaBoost
cafucwxy·2016-12-01 11:00

总结boosting，Adaboost，Bootstrap和Bagging的含义和区别

这几个名词经常混淆，在调查了百度，wiki和一些网友的分享，特整理如下：Boosting算法：弱分类器：分类效果差，只是比随机猜测好一点。强分类器：具有较高的识别率，较好的分类效果。（在百度百科中有提到要能在多项式时间内完成学习）弱和强更大意义上是相对而言的，并没有严格的限定。比如准确率低于多少就是弱分类器，高于多少是强分类器，因具体问题而定。1988年，有学者提出是否可以通过一些弱分类器来实现强
TX951·2016-11-26 21:58

总结boosting，Adaboost，Bootstrap和Bagging的含义和区别

这几个名词经常混淆，在调查了百度，wiki和一些网友的分享，特整理如下：Boosting算法：弱分类器：分类效果差，只是比随机猜测好一点。强分类器：具有较高的识别率，较好的分类效果。（在百度百科中有提到要能在多项式时间内完成学习）弱和强更大意义上是相对而言的，并没有严格的限定。比如准确率低于多少就是弱分类器，高于多少是强分类器，因具体问题而定。 1988年，有学者提出是否可以通过一些弱分类器来实现
TX951·2016-11-26 21:00

决策树类的机器学习算法——决策树、Bagging、随机森林、Boosting、AdaBoost、GBDT、XGBoost

之所以将这几个算法记录在一起，是因为这些算法都是以决策树为基础！1、决策树 决策树（decisiontree）是一个树结构（可以是二叉树或非二叉树）。其每个非叶节点表示一个特征属性上的判定，每个分支代表这个特征属性在其值域上的输出，而每个叶节点存放一个类别。使用决策树进行决策的过程就是从根节点开始，测试待分类项中相应的特征属性，并按照其值选择输出分支，直到到达叶子节点，将叶子节点存放的类别作为决策
sangyongjia·2016-11-25 14:00

轻松看懂机器学习十大常用算法

今天的算法如下：决策树随机森林算法逻辑回归SVM朴素贝叶斯K最近邻算法K均值算法Adaboost算法神经网络马尔可夫1.决策树根据一些feature进
lc0817·2016-11-23 00:00

Bootstrap方法详解——技术与实例

机器学习中的Bagging，AdaBoost等方法其实都蕴含了Bootstrap的思想。下面引用
白马负金羁·2016-11-17 14:32

Bootstrap方法详解——技术与实例

机器学习中的Bagging，AdaBoost等方法其实都蕴含了Bootstrap的思想。下面引用
baimafujinji·2016-11-17 14:00

随机森林，GBDT，Adaboost原理及python实现

随机森林python实现GBDTpython实现Adaboostpython实现装袋（bagging）又称自助聚集（bootstrapaggregating），是一种根据均匀分布概率从数据集最中有放回的重复抽样的技术
howardact·2016-11-11 15:14

卷积神经网络大总结

DeepLearning回顾#之2006年的SciencePaper大家都清楚神经网络在上个世纪七八十年代是着实火过一回的，尤其是后向传播BP算法出来之后，但90年代后被SVM之类抢了风头，再后来大家更熟悉的是SVM、AdaBoost
zyazky·2016-11-10 00:00

迁移学习算法之TrAdaBoost

   TradaBoost算法由来已久，具体算法可以参考作者的原始文章，BoostingForTransferLearning。
秋水长天q·2016-11-04 22:04

Opencv决策树分类器应用

在机器学习中，决策树是最基础且应用最广泛的归纳推理算法之一，基于决策树算法，衍生出很多出色的集成算法，如randomforest、adaboost、gradienttreeboostiong等。
-牧野-·2016-11-04 00:51

boosting和adaboost区别

boosting和adaboost区别思想：“听取多人意见，最后综合决策”简介Adaboost是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器(弱分类器)，然后把这些弱分类器集合起来，构成一个更强的最终分类器
sqiu_11·2016-11-01 11:42

几个常用算法的适应场景及其优缺点（非常好）

通常最开始我们都会选择大家普遍认同的算法，诸如SVM，GBDT，Adaboost，现在深度学习很火热，神经网络也是一个不错的选择。
mishidemudong·2016-10-25 10:58

用cart（分类回归树）作为弱分类器实现adaboost

在之前的决策树到集成学习里我们说了决策树和集成学习的基本概念（用了adaboost昨晚集成学习的例子），其后我们分别学习了决策树分类原理和adaboost原理和实现，上两篇我们学习了cart（决策分类树
2BiTT·2016-10-23 22:00

提升方法AdaBoost算法完整python代码

提升方法AdaBoost算法完整python代码提升方法简述俗话说，“三个臭皮匠顶个诸葛亮”，对于一个复杂的问题，一个专家的判断往往没有多个专家的综合判断来得好。
机器变得更残忍·2016-10-23 18:59

CART（分类回归树）原理和实现

前面我们了解了决策树和adaboost的决策树墩的原理和实现，在adaboost我们看到，用简单的决策树墩的效果也很不错，但是对于更多特征的样本来说，可能需要很多数量的决策树墩或许我们可以考虑使用更加高级的弱分类器
2BiTT·2016-10-19 22:00

【机器学习】Jackknife，Bootstraping, bagging, boosting, AdaBoosting, Rand forest 和 gradient boosting

Jackknife，Bootstraping,bagging,boosting,AdaBoosting,Randforest和gradientboosting这些术语，我经常搞混淆，现在把它们放在一起，
LG1259156776·2016-10-04 11:00

组合分类方法——装袋（bagging）；提升（boosting）和AdaBoost；随机森林

二、提升（boosting）和AdaBoost三、随机森林
Read__Book·2016-10-01 11:00

图像算法之八：特征提取算法之Haar

一、AdaBoost算法原理AdaBoost算法是一种迭代的算法，对于一组训练集，通过改变其中每个样本的分布概率，而得到不同的训练集Si，对于每一个Si进行训练从而得到一个弱分类器Hi，再将这些若分类器根据不同的权值组合起来
soaringlee_fighting·2016-09-30 09:30

图像算法之八：特征提取算法之Haar

一、AdaBoost算法原理AdaBoost算法是一种迭代的算法，对于一组训练集，通过改变其中每个样本的分布概率，而得到不同的训练集Si，对于每一个Si进行训练从而得到一个弱分类器Hi，再将这些若分类器根据不同的权值组合起来
soaringlee_fighting·2016-09-30 09:30

opencv中adaboost弱分类器训练源码详解(1)

adaboost训练弱分类器的原理见上一个博客：：http://blog.csdn.net/lanxuecc/article/details/52681525opencv中adaboost训练弱分类器的主体代码是函数
lanxueCC·2016-09-28 10:00

adaboost训练 之 弱分类器训练原理

二叉决策树介绍二叉决策树由LeoBreiman和他的同事提出.他们称之为”分类和回归树(CART)”.OpenCV实现的就是”分类回归树”.简单地说，二叉决策树的每个结点表示对对象做判断的一个特征属性，将对象提供的属性值与该结点提供的属性值做对比，例如，判断一辆车是否是小汽车我们选择第一个结点为车子的轮子个数这个属性，如果有4个轮子表示有可能是的小汽车，如果没有则不可能是。这个结点的左右分支分别代
_苏_·2016-09-27 15:53
上一页 44 45 46 47 48 49 50 51 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他