知识卡片
集成区分训练与聚合
成员训练是否依赖前序结果,与输出怎么合成是两个选择。训练独立的成员可以并行。推断时数值可做加权平均,标签可按每类票数或权重决定。允许拒绝时要明确门槛和恰好打平的规则。
[[基学习器是集成的成员]]。成员联合工作涉及训练依赖与预测聚合两种关系。
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
- 11.1.3 几种集成结构 · 查看原书依据
把多个结果整合成一个结果的方法主要有两大类,即平均法和投票法。平均法又具体分为简单平均法和加权平均法,简单平均法就是先求和然后再求均值,加权平均则多了一步——每个学习器通过训练被分别赋予合适的权值,然后求各个预测结果的加权和
参考来源
- 位置:《机器学习算法的数学解析与Python实现》11.1.3 几种集成结构(来源项目 book-source,`extracted/机器学习算法的数学解析与Python实现/_epub-src/OEBPS/text00118.html`)
- 结论依据:本节先分并行串行,再讨论平均与投票。
- 原始内容:把多个结果整合成一个结果的方法主要有两大类,即平均法和投票法。平均法又具体分为简单平均法和加权平均法,简单平均法就是先求和然后再求均值,加权平均则多了一步——每个学习器通过训练被分别赋予合适的权值,然后求各个预测结果的加权和