zoukankan      html  css  js  c++  java
  • AdaBoost scikit-learn相关参数

    1.AdaBoostClassifier

    base_estimator:弱分类器对象,默认为CART分类树
    DecisionTreeClassifier;
    algorithm:SAMME和SAMME.R;SAMME表示构建过程中
    使用样本集分类效果作为弱分类器的权重;SAMME.R使用对样本集分类的预测概率大小作为弱分类器的权重。由于SAMME.R使用了连续的概率度量值,所以一般迭代比SAMME快,默认参数为SAMME.R;强调:使用SAMME.R必须要求base_estimator指定的弱分类器模型必须支持概率预测,即具有predict_proba方法。
    loss:不支持
    n_estimators:最大迭代次数,值过小可能会导致欠拟合,值过大可能会导致过拟合,一般50~100比较适合,默认50。
    learning_rate:指定每个弱分类器的权重缩减系数v,默认为1;一般从一个比较小的值开始进行调参;该值越小表示需要更多的弱分类器。

    2.AdaBoostRegressor

    base_estimator:弱回归器对象,默认为CART回归树DecisionTreeRegressor;
    algorithm:不支持
    loss:指定误差的计算方式,可选参数”linear”, “square”,
    “exponential”, 默认为”linear”;一般不用改动。
    n_estimators:最大迭代次数,值过小可能会导致欠拟合,值过大可能会导致过拟合,一般50~100比较适合,默认50。
    learning_rate:指定每个弱分类器的权重缩减系数v,默认为1;一般从一个比较小的值开始进行调参;该值越小表示需要更多的弱分类器。

  • 相关阅读:
    2016.7.17
    2016.7.16
    2016.7.15
    2016.7.12
    2016.7.11
    2016.7.10
    coco2d-x中的坐标系问题
    cocos2d-x中的Tiled地图
    cocos2d-x中的Box2D物理引擎
    python文件处理及装饰器
  • 原文地址:https://www.cnblogs.com/tankeyin/p/12327829.html
Copyright © 2011-2022 走看看