这是一个用于分类和回归集成学习的简单类/工具箱。
它使用户能够使用 MATLAB 的“统计和机器学习工具箱”分类模型手动创建异构、多数投票、加权多数投票、均值和堆叠集成。
1.0.0 版本还增加了 boosting、bagging、随机子空间和“随机森林”训练方法。
2021-09-28 09:56:38
9KB
1
集成学习基础思维导图，根据该导图可以对集成学习有一个框架上的了解，学习了解bagging、boosting、下的随机森林、GBDT、xbg等
2021-09-26 10:21:22
2.12MB
1
Experiment With a New Boosting Algorithm.pdf
2021-09-18 19:05:40
164KB
1
Additive logistic regression-a statistical view of boosting.pdf
2021-09-18 19:05:40
728KB
1
pdf包含机器学习中集成学习的相关内容，包括bagging、stacking和Boosting的区别，bagging的具体实现算法-随机森林以及Boosting的具体实现算法-AdaBoost。
2021-08-10 19:45:29
2.53MB
1
本文来自于csdn，文章主要介绍了集成学习的几种方法和其相应的应用等相关内容
。集成学习主要分为bagging，boosting和stacking方法。本文主要是介绍stacking方法及其应用。但是在总结之前还是先回顾一下继承学习。这部分主要转自网络。
给定一个大小为n的训练集D，Bagging算法从中均匀、有放回地选出m个大小为n'的子集Di，作为新的训练集。在这
2021-08-05 14:51:32
148KB
1
行业分类-物理装置-基于多层次特征表示和集成学习的影像分类方法及装置.zip
2021-08-04 09:02:45
636KB
总结了集成学习的三种常用框架，从sklearn库中导入函数，举例实现了Adaboost，xgboost，RandomForest，Stacking四个模型。
2021-08-03 14:49:12
22.64MB
1