Публикации по теме 'ensemble-learning'


Повышение градиента для регресса
Повышение градиента - это ансамблевой метод машинного обучения для задач регрессии и классификации, который дает результат с помощью ансамбля из нескольких слабых учеников, особенно деревьев решений. Повышение градиента можно упростить тремя предложениями: Оптимизируемая функция потерь Слабый ученик, чтобы делать прогнозы Окончательная модель, которая добавляет этих слабых учеников, чтобы минимизировать потери и делать более точные прогнозы. Наш алгоритм выглядит следующим образом:..
Примеры использования ансамблевого обучения
Давно я ничего не писал, так как был немного занят обновлением себя. Итак, начнем с новой статьи, которая может дать вам пищу для размышлений. Кроме того, я постараюсь сделать его максимально простым. Я также добавил ссылки на некоторые реальные мировые соревнования, где обучение ансамблю выиграло призы, но прежде чем читать их, вы должны знать некоторые подробности об обучении ансамблем. Итак, вы знаете о "мудрости толпы" ? Позвольте мне сказать, что вы задаете сложный вопрос..
Методы на основе деревьев (I): основы деревьев решений
Ссылка: Введение в статистическое обучение Все изображения, опубликованные в этом посте, взяты из ссылки. Деревья решений — это непараметрические методы, которые можно применять к задачам классификации и регрессии . Дерево можно визуализировать с важностью функций , чтобы мы могли понять процесс принятия решений . Смоделированный пример прогнозирования гипертонии Допустим, мы хотим предсказать риск гипертонии для отдельных лиц. Дерево начинается с узла (Ожирение),..
Искусство комбинирования моделей: глубокое понимание ансамблевого обучения
Идеальное оружие для решения сложных задач машинного обучения. Ансамблевое обучение — это метод машинного обучения, который объединяет несколько моделей (также известных как базовые модели или слабые учащиеся) для повышения общей производительности и точности прогнозирования системы. Существуют различные типы ансамблевых методов, такие как бэггинг, бустинг и суммирование. Бэгинг Бэггинг, сокращение от bootstrap aggregation , – это комплексный метод машинного обучения, объединяющий..
Глубокое погружение в машинное обучение Stacking Ensemble  —  Часть II
Как эффективно использовать стекирование в машинном обучении путем реализации классификатора стекирования в Python, Jupyter и Scikit-Learn Фон В моей недавней статье о стекинге я исследовал, что такое стекинг и как он работает, создав визуальный рабочий процесс из 4 основных шагов, связанных с созданием модели стекирования. Глубокое погружение в машинное обучение Stacking Ensemble — часть I Как эффективно использовать стек в машинном обучении, полностью..
Ансамблевое обучение в машинном обучении | Начиная
Очень надежно использовать разные модели, а не одну. Набор из нескольких моделей, работающих вместе над одним набором, называется ансамблем. Метод называется ансамблевым обучением. Голосование Вы можете обучить свою модель, используя различные алгоритмы, а затем объединить их, чтобы предсказать окончательный результат. Скажем, вы используете классификатор случайного леса, классификатор SVM, линейную регрессию и т. Д .; модели сопоставляются друг с другом и выбираются по..
ЧЕЛОВЕКОЦЕНТРИЧЕСКИЙ ПОДХОД К АНСАМБЛЬНОМУ ОБУЧЕНИЮ В МО
Введение В этой статье рассказывается о подходе к машинному обучению для начинающих с примерами, ориентированными на человека, которые помогают лучше понять. Эта статья посвящена основам ансамблевого обучения, общим терминам, используемым в ансамблевом обучении, и их алгоритмам. В этой статье предполагается, что читатели являются новичками. Давайте поговорим об ансамблевом обучении в машинном обучении. Ансамблевое обучение — это мощный метод улучшения уровней прогнозирования..