知识卡片
集成方法小结
本章介绍最热门的集成技术:集成通过组合不同分类器抵消各自缺陷,得到稳定且高性能的模型。MajorityVoteClassifier 组合不同算法;bagging 用 bootstrap 抽样 + 多数投票,有效降低方差;AdaBoost 基于弱学习机、从前一轮错误中学习,主要降偏差。前面章节讲了学习算法、调优与评估,接下来转向情感分析这一 NLP 应用。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 集成学习——组合不同的模型 · 查看原书依据
集成方法通过组合不同的分类器模型来抵消各分类器固有的缺陷,通常能够得到一个稳定且性能优异的模型
参考来源
- 位置:《Python机器学习》第7章《本章小结》(源文件:`../../book-sources/extracted/Python机器学习/_epub-src/OEBPS/Text/part0104.xhtml.xhtml)
- 结论依据:原文直接支撑上述要点。
- 原始内容:集成方法通过组合不同的分类器模型来抵消各分类器固有的缺陷,通常能够得到一个稳定且性能优异的模型