| |
|
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task06-Boosting、Adaboost、GBDT和XGBoost -> 正文阅读 |
|
[人工智能]集成学习task06-Boosting、Adaboost、GBDT和XGBoost |
一、Boosting方法的基本思路
在PAC 学习的框架下,强可学习和弱可学习是 等价的,故可通过反复学习,使得一系列弱分类器达到强分类器的效果。
二、Adaboost算法已整理到另外一篇文章:Adaboost算法 三、前向分步算法和梯度提升决策树(GBDT)已整理到另外一篇文章:前向分步算法&梯度提升决策树(GBDT) 四、XGBoost已整理到另外一篇文章:XGBoost算法 五、LightGBM算法LightGBM与XGBoost算法基本无异,只是对其进行了优化,此处暂不补充,后续学习需要用到再做整理。 |
|
|
上一篇文章 下一篇文章 查看所有文章 |
|
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11日历 | -2024/11/1 10:28:36- |
|
网站联系: qq:121756557 email:121756557@qq.com IT数码 |