IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> 人工智能 -> [集成学习]Bagging集成 -> 正文阅读

[人工智能][集成学习]Bagging集成

Bagging集成

  • Boostrap抽样

对于线性模型
在这里插入图片描述
从抽样总体中抽出一个容量为n的样本,通过这n个数据得到参数Beta1的一个估计值。将该过程重复k次(自助采样),可以得到k个Beta1的估计值,利用公式在这里插入图片描述可以求得Beta1的方差,以衡量该线性模型的波动性

  • Bagging集成
    Bagging集成以boostrap抽样为基础。在得到beta1的k个估计值后,可以通过k个样本集得到k个y的预测值,取k个y的估计值的平均值作为最终预测值。(对于回归问题来说,最终预测值是取k个预测值的平均值,但对于分类问题来说,哪一类的次数出现最多,最终预测值就是哪一类)

作业

1.什么是boostraps?
boostraps是一种通过自助采样来估计模型参数的方差的方法,用于衡量模型的波动性。
2.boostraps与bagging的联系
bagging是以boostraps为基础的集成方法。

4.随机森林与bagging的联系与区别
联系:随机森林与bagging都包含了boostraps的思想
区别:随机森林除了要对样本进行采样外,还要对特征进行采样,与bagging相比,方差进一步减小。
5.使用方差与偏差理论阐述为什么bagging能提升模型的预测精度
测试误差=方差+偏差2,由于bagging中是通过求多个估计值的平均值来作为结果的,故最终结果的方差是σ2/n,是估计值方差的1/n.又因为方差与偏差成反比,当方差减小时,偏差增大,当方差增大时,偏差减小,故最终结果的偏差会增大。但当偏差的增加量小于方差的减小量时,模型的精度会提高。

6.请尝试使用bagging与基本分类模型或回归模型做对比,观察bagging是否相对于基础模型的精度有所提高

参考:
[1]https://github.com/datawhalechina/ensemble-learning
[2]https://www.bilibili.com/video/BV1Mb4y1o7ck?t=360&p=27

  人工智能 最新文章
2022吴恩达机器学习课程——第二课(神经网
第十五章 规则学习
FixMatch: Simplifying Semi-Supervised Le
数据挖掘Java——Kmeans算法的实现
大脑皮层的分割方法
【翻译】GPT-3是如何工作的
论文笔记:TEACHTEXT: CrossModal Generaliz
python从零学(六)
详解Python 3.x 导入(import)
【答读者问27】backtrader不支持最新版本的
上一篇文章      下一篇文章      查看所有文章
加:2021-07-23 10:47:03  更:2021-07-23 10:48:39 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年3日历 -2024/3/28 23:37:29-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码