知识卡片
集成组合多个学习器
集成方法组合多个学习器的预测,分类可投票、回归可平均。若学习器错误不完全相同,组合有机会降低单个模型的不稳定性;共同的系统偏差仍可能保留,组合并不保证更准确或更公平。
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
- 集成算法 · 查看原书依据
在用学习算法来做出决策时,预测是基于所训练的数据进行的
参考来源
- 位置:《深度学习:从基础到实践(上下册)》第14章《集成算法》(来源项目 `extracted/深度学习:从基础到实践(上下册)/_epub-src/text/part0021_split_002.html`)
- 结论依据:原文讨论系统性偏差、投票和有放回重采样;效果取决于错误相关性和数据。
- 原始内容:在用学习算法来做出决策时,预测是基于所训练的数据进行的。如果该数据包含偏置、遗漏、过度陈述或任何其他类型的系统性错误,这些错误也将被学习器所包含。如果我们用有某个倾向的数据来训练一个学习器,那么训练出来的结果也会有这个倾