the_application_of_Boosting.zip

  • PUDN用户
    了解作者
  • Others
    开发工具
  • 4.3MB
    文件大小
  • zip
    文件格式
  • 0
    收藏次数
  • 1 积分
    下载积分
  • 90
    下载次数
  • 2009-10-17 21:25
    上传日期
集成 学 习 算法通过训练多个弱学习算法并将其结论进行合成,可以显著地提 高学习系统的泛化能力。Boosting算法作为集成学习算法的主要代表算法,得到 了广泛的研究和应用,但其研究成果大部分都集中的分类问题上。
the_application_of_Boosting.zip
  • Images\folder.gif
    95B
  • Images\bg.gif
    1.9KB
  • Paper\pdf\y5814720027.pdf
    109.1KB
  • Images\T.gif
    61B
  • Paper\pdf\y5814720036.pdf
    119.2KB
  • Paper\pdf\y5814720006.pdf
    155.4KB
  • Paper\pdf\y5814720013.pdf
    52.1KB
  • Paper\pdf\y5814720035.pdf
    89.5KB
  • Images\ofolder.gif
    92B
  • Paper\pdf\y5814720021.pdf
    52.4KB
  • Paper\pdf\y5814720005.pdf
    110.8KB
  • Paper\pdf\y5814720037.pdf
    119.9KB
  • Paper\pdf\y5814720004.pdf
    53.5KB
  • Paper\pdf\ml.htm
    3.8KB
  • Paper\pdf\y5814720023.pdf
    52.4KB
  • Images\H.gif
    62B
  • Images\ball.gif
    841B
  • Paper\pdf\y5814720033.pdf
    59.6KB
  • Paper\pdf\y5814720007.pdf
    99.1KB
  • Paper\pdf\fm.htm
    1.8KB
  • Paper\pdf\y58147201.pdf
    34KB
  • Paper\pdf\y5814720041.pdf
    49.5KB
  • Paper\pdf\y5814720034.pdf
    82.9KB
  • Paper\pdf\y5814720016.pdf
    140.3KB
  • Paper\pdf\y5814720038.pdf
    49.1KB
  • Paper\pdf\left.htm
    12.2KB
  • Paper\pdf\y5814720002.pdf
    47.5KB
  • Images\I.gif
    61B
  • default.htm
    294B
  • Paper\pdf\y5814720009.pdf
    124.1KB
  • Paper\pdf\y581472wz.pdf
    41.9KB
  • Paper\pdf\y5814720003.pdf
    98.5KB
  • Paper\pdf\y5814720032.pdf
    109.7KB
  • Paper\pdf\y5814720029.pdf
    167.3KB
  • Paper\pdf\y5814720014.pdf
    92.6KB
  • Paper\pdf\y5814720046.pdf
    12.3KB
  • Paper\pdf\y5814720031.pdf
    52.6KB
  • Paper\pdf\y5814720008.pdf
    155.8KB
  • Paper\pdf\y5814720017.pdf
    128.8KB
  • Paper\pdf\y5814720040.pdf
    30.8KB
  • Paper\pdf\y5814720011.pdf
    98.3KB
  • Images\nfolder.gif
    86B
  • Paper\pdf\y5814720019.pdf
    204.4KB
  • Paper\pdf\y5814720012.pdf
    40.3KB
  • Paper\pdf\y581472zye.pdf
    49.8KB
  • Paper\pdf\y5814720043.pdf
    89.3KB
  • Paper\pdf\y5814720025.pdf
    104.7KB
  • Paper\pdf\y5814720044.pdf
    253.4KB
  • Paper\pdf\index.htm
    428B
  • Paper\pdf\y5814720039.pdf
    77.4KB
  • Paper\pdf\y5814720020.pdf
    382.8KB
  • Paper\pdf\y5814720018.pdf
    23.6KB
  • Images\L.gif
    60B
  • Paper\pdf\y5814720028.pdf
    57.6KB
  • Paper\pdf\y5814720030.pdf
    113.9KB
  • Paper\pdf\y5814720026.pdf
    106.3KB
  • Paper\pdf\y5814720010.pdf
    140.5KB
  • Paper\pdf\y5814720045.pdf
    55.6KB
  • Paper\pdf\y5814720015.pdf
    43KB
  • Paper\pdf\y5814720001.pdf
    34KB
评论
    相关推荐
    • ensemble-learner:使用集成学习实现垃圾邮件过滤器
      集成学习者 使用集成学习实现垃圾邮件过滤器。 打印用于提升的指定轮数的训练和测试错误。 用法:python boost.py
    • ivalice:在 Python 中提升和集成学习
      Python 中的 Boosting集成学习库。 支持的算法: 分类和回归树(正在进行中) 随机森林(正在进行中) 梯度提升 麦克兰克 兰达玛特 ivalice 遵循 API 约定。 计算要求高的部分是使用实现的。 依赖关系 ...
    • Orchestra.jl:Julia 的异构集成学习
      Orchestra 是一个用于 Julia 编程语言的异构集成学习包。 它由专为学习器组合设计的统一机器学习器 API 驱动。 入门 我们将介绍如何使用 Orchestra 对数据集进行预测。 获取数据 表格数据集将用于获取我们的实例和...
    • 集成学习工具箱:一个简单的工具箱,用于创建分类器和回归器的集成。-matlab开发
      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...
    • 机器学习之集成学习理论与代码实践
      详细讲解了集成学习的主要方法:Voting、Bagging、Boosting和Stacking。每一种集成方法都配有详细的代码讲解。能够使用集成模型完成分类或回归任务。
    • 机器学习之集成学习(Ensemble Learning)视频教学
      集成学习是使用一系列学习器进行学习,并使用某种规则把各个学习结果进行整合从而获得比单个学习器更好的学习效果的一种机器学习方法。集成学习可以提升机器学习算法。本视频教学课程主要讲解:个体与集成、Boosting...
    • 机器学习.zip
      包括经典的机器学习算法的案例代码,适合入门,jupyter notebook上。另附机器学习经典教材,个人感觉机器学习需要系统学习、推导算法。
    • XGBoost模型原理及其在竞赛中的优异表现
      提升树算法(Gradient Boosting Decision Tree, GBDT),尤其是XGBoost...本讲座将讲解集成学习发展简史,GBDT的基本原理以及XGBoost版本的GBDT的特别之处。后将分享XGBoost在一个Kaggle竞赛任务中超参数调整的经验。
    • 集成学习
      讲解个体与集成Boosting、Bagging、随机森林等知识
    • 集成学习方法matlab实现
      集成学习(Ensemble Learning)有时也被笼统地称作提升(Boosting)方法,广泛用于分类和回归任务。它最初的思想很简单:使用一些(不同的)方法改变原始训练样本的分布,从而构建多个不同的分类器,并将这些分类器...