文件名称：Ensemble-Learning-Methods
文件大小：1.59MB
文件格式：ZIP
更新时间：2024-04-01 10:55:01
JupyterNotebook
合奏学习方法 装袋 答：什么是装袋？： 这是一种集成的机器学习技术。 它基于带有替换的引导程序采样创建基于树的模型。 每个投票都是从模型中收集的，多数投票将被视为最终输出。 它是引导抽样+聚合（投票聚合）。 创建模型时，会将相等的权重分配给每个数据。 B.使用装袋的目的：它采用具有高方差和低偏差的模型，并在不降低bais的情况下减小其方差。 C.什么是Bootstrap ？： Boostrap是指替换后的随机抽样。 它使我们可以更好地了解数据集的偏差和方差。 它涉及从数据集中随机抽取一小部分数据。 该子集可以替换。 数据集中所有示例的选择具有相等的概率。 该方法可以帮助更好地理解数据集的均值和标准差。 D.什么是替换样品？：多次选择相同的观察值。 E.什么是汇总？：将结果汇总到每个样本中，以估计整个样本的最可能准确的统计数据。 F. Bagging的优缺点是什
【文件预览】：
Ensemble-Learning-Methods-main
----Bagging Classifier (Decision Tree and Bagging with Decision Tree).ipynb(16KB)
----Gradient Boosting Diagram.pdf(444KB)
----Boosting Process Diagram.pdf(429KB)
----Bagging Process Diagram.pdf(390KB)
----README.md(5KB)
----Bagging Classifier.ipynb(15KB)
----AdaBoosting Process Diagram.pdf(491KB)