学习提醒 | 进阶篇!三个方法详解集成学习实战难题!

2021/03/27 05:52
阅读数 7

点击左上方蓝字关注我们

集成学习之路道阻且长,下篇这就给同学们奉上!

这节课上,李宏毅老师主要会在课堂上给大家讲解3个不同的方法去解决集成学习的问题,一起来看看吧!

1

Bagging

通过Bagging,你可以创造出不同的dataset进行训练,从而得到多个不同的模型。如果模型太复杂,而你担心它overfitting,就是bagging登场的时候啦!

2

Boosting

Boosting是在不同的训练集上进行训练,事实上,我们通过改变损失函数来实现这个效果。

3

Stacking

把每个model的output当成一个feature,这些模型有好有坏,整合在一起的时候就需要你设置权重。

集成学习难题中,首当其冲的是如何得到若干个个体学习器?其次,选择什么样的结合策略能将个体学习器集合成一个强学习器?

今日学习任务

学习

进行时

第8课:集成学习(下篇)

课程指路:

报名地址

还没有报名的同学,点击文末『阅读原文』或者扫码报名,跟上学习进度:

https://aistudio.baidu.com/aistudio/education/group/info/1978

扫码进入学习中心

进入QQ学习社群,开启机器学习之旅

学习之路正在继续,今天也要努力学习,奖励自己一朵小红花呀!

飞桨(PaddlePaddle)以百度多年的深度学习技术研究和业务应用为基础,是中国首个开源开放、技术领先、功能完备的产业级深度学习平台,包括飞桨开源平台和飞桨企业版。飞桨开源平台包含核心框架、基础模型库、端到端开发套件与工具组件,持续开源核心能力,为产业、学术、科研创新提供基础底座。飞桨企业版基于飞桨开源平台,针对企业级需求增强了相应特性,包含零门槛AI开发平台EasyDL和全功能AI开发平台BML。EasyDL主要面向中小企业,提供零门槛、预置丰富网络和模型、便捷高效的开发平台;BML是为大型企业提供的功能全面、可灵活定制和被深度集成的开发平台。

END

本文同步分享在 博客“飞桨PaddlePaddle”(CSDN)。
如有侵权,请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”,欢迎正在阅读的你也加入,一起分享。

展开阅读全文
加载中

作者的其它热门文章

打赏
0
0 收藏
分享
打赏
0 评论
0 收藏
0
分享
返回顶部
顶部