人工智能11監(jiān)督學習(編輯修改稿)
2025-03-09 12:29 本頁面
【文章內容簡介】 層輸 入 層神 經 網 絡深 度 神 經 網 絡Bagging ? bagging是一種用來提高學習算法準確度的方法，這種方法通過構造一個預測函數(shù)系列，然后以一定的方式將它們組合成一個預測函數(shù) ? 基本思想 ,和一個訓練集 。 。 ,得出預測函數(shù)序列 ,進行投票 。 Bagging ? 算法 t = 1, 2, …, T Do 從數(shù)據集 S中取樣（放回選樣） 訓練得到模型 Ht 對未知樣本 X分類時 ,每個模型 Ht都得出一個分類，得票最高的即為未知樣本 X的分類 ? 要求的分類算法 Bagging要求“不穩(wěn)定”（不穩(wěn)定是指數(shù)據集的小的變動能夠使得分類結果的顯著的變動）的分類方法。比如： 決策樹 ， 神經網絡算法 Boosting ? 發(fā)展歷史 Boosting AdaBoost AdaBoost 回歸 ? 多項式最小二乘回歸 ? 支持向量回歸 SVR ? 神經網絡 ? 深度神經網絡 ? 。 實例 ? 淘寶母嬰預測 分組 1 2 3 4 5 年齡段 1 to 6 months 6 to 12 months 1 to 3 years 3 to 6 years older than 6 years 預測模型整體框架 基 礎 交 易 記 錄u s e r 1u s e r 2u s e r 3?u s e r k1?m產 品 特 征 屬 性 特 征1?n0?3 3?35?4 5?22?0 3?4? ? ? ? ?1?2 5?4年 齡 段23315123分 類 模 型多 項 邏 輯 斯 蒂 回 歸 （ m u l t i n o
環(huán)評公示相關推薦
鄂ICP備17016276號-1