Day11-集成學習Ensemble Learning(bagging/boosting) - iT 邦幫忙::一起幫忙解決難題，拯救 IT 人的一天

2023 iThome 鐵人賽

DAY 11

0

AI & Data

什麼演算法?一起來學機器學習!系列第 11 篇

Day11-集成學習Ensemble Learning(bagging/boosting)

15th鐵人賽 machine learning 機器學習學習筆記集成學習

團隊好想放假大學

2023-09-26 13:20:22

244 瀏覽

分享至

使用多種學習算法來獲得比單獨使用任何單獨的學習算法更好的預測效果

集成學習

通過建立幾個模型組合來解決單一預測問題
所用來組合的多個模型之間要有差異

三個臭皮匠，勝過一個諸葛亮!

Bagging

圖片來源https://reurl.cc/RyX006

從訓練資料中隨機抽取樣本(取出後放回)
訓練多個模型(要多少個模型自己設定)
每個模型的權重一致最後用投票方式得到最終結果

Boosting

圖片來源https://reurl.cc/RyX006

將很多個弱的模型進行合成變成一個強的模型
每個模型之間是有關聯性的，每個模型是透過前一個模型的結果進行訓練

參考資料

Day10-隨機森林 (Random Forest)

系列文

什麼演算法?一起來學機器學習! 共 30 篇

目錄

RSS系列文訂閱系列文

6 人訂閱

完整目錄

直播研討會

{{ item.subject }}

{{ item.channelVendor }} {{ item.webinarstarted }} |

{{ formatDate(item.duration) }}

直播中

尚未有邦友留言

立即登入留言

參賽組數

1064 組

團體組數

40 組

累計文章數

22082 篇

完賽人數

594 人

15th鐵人賽 16th鐵人賽 13th鐵人賽 14th鐵人賽 12th鐵人賽 11th鐵人賽鐵人賽 2019鐵人賽 javascript 2018鐵人賽 python 2017鐵人賽 windows php c# windows server linux css react vue.js

IT邦幫忙