zoukankan      html  css  js  c++  java
  • 随机森林和GBDT

    1.简介

    随机森林和GBDT都属于集成学习。

    集成学习可分为两大类:bagging和boosting;

    随机森林(RF) ∈ bagging

    GBDT ∈ boosting

    2.随机森林:由多个决策树组成的一个集成学习算法,可用于分类和回归(分类效果好于回归),最终结果采用投票制得出。

    数据集处理:

    ·  随机森林的“随机”体现在两个方面:①样本选择随机;②特征选择随机;

    ·  常采用交叉验证法进行数据集划分;

    优点:可解决单个决策树的泛化能力差问题。

    扩展:加权随机森林【给小类以大权重,给大类以小权重】

    3.GBDT:梯度提升决策树

    http://blog.csdn.net/puqutogether/article/details/41957089

    http://www.cnblogs.com/pinard/p/6140514.html

    4.RF和GBDT两种算法优缺点

    https://www.cnblogs.com/hbwxcw/p/7163704.html

    参考资料:

    1.权重处理:https://wenku.baidu.com/view/07ba98cca0c7aa00b52acfc789eb172ded639998.html

    2.sklearn随机森林特征筛选:https://www.cnblogs.com/xiaochouk/p/8583255.html,作者:小丑_jk

    3.matlab随机森林组合分类器:https://www.cnblogs.com/zhouerba/p/8032604.html,作者:zhouerba

  • 相关阅读:
    SDN期末作业验收
    SDN第五次上机作业
    SDN第四次作业
    SDN第四次上机作业
    SDN第三次上机
    SDN第三次作业
    第二次SDN上机作业
    SDN第二次作业
    SDN第一次上机作业
    SDN第一次作业
  • 原文地址:https://www.cnblogs.com/feynmania/p/12927075.html
Copyright © 2011-2022 走看看