Thống kê và dữ liệu lớn bagging

7

Đóng gói, tăng cường và xếp chồng trong học máy

Điểm giống và khác nhau giữa 3 phương pháp này là gì: Đóng bao, Tăng cường, Xếp chồng? cái nào tốt nhất? Và tại sao? Bạn có thể cho tôi một ví dụ cho mỗi?

245 machine-learning boosting ensemble bagging model-averaging

5

Là rừng ngẫu nhiên là một thuật toán thúc đẩy?

Định nghĩa ngắn về tăng cường : Một tập hợp những người học yếu có thể tạo ra một người học mạnh không? Một người học yếu được định nghĩa là một bộ phân loại chỉ tương quan một chút với phân loại thực sự (nó có thể gắn nhãn …

51 machine-learning random-forest boosting bagging

2

Đây có phải là trạng thái của phương pháp hồi quy nghệ thuật?

Tôi đã theo dõi các cuộc thi của Kaggle trong một thời gian dài và tôi nhận ra rằng nhiều chiến lược chiến thắng liên quan đến việc sử dụng ít nhất một trong số "ba lô lớn": đóng gói, tăng cường và xếp chồng. Đối với hồi quy, thay …

33 predictive-models boosting bagging stacking model-averaging

2

Kích thước nút của Nhật Bản có nghĩa là gì trong Khu rừng ngẫu nhiên?

Tôi không hiểu chính xác ý nghĩa của kích thước nút. Tôi biết nút quyết định là gì, nhưng không phải kích thước nút là gì.

20 machine-learning random-forest bagging

3

Khi nào tôi không nên sử dụng một bộ phân loại đồng bộ?

Nói chung, trong một vấn đề phân loại trong đó mục tiêu là dự đoán chính xác tư cách thành viên của lớp ngoài mẫu, khi nào tôi không nên sử dụng một bộ phân loại đồng bộ? Câu hỏi này liên quan chặt chẽ với Tại sao không luôn …

17 classification boosting ensemble bagging

1

Các đảm bảo lý thuyết của đóng bao là gì

Tôi (khoảng) đã nghe rằng: đóng bao là một kỹ thuật để giảm phương sai của thuật toán dự đoán / ước lượng / học tập. Tuy nhiên, tôi chưa bao giờ thấy một bằng chứng toán học chính thức của tuyên bố này. Có ai biết tại sao điều …

17 machine-learning mathematical-statistics bagging

1

Tăng cường và đóng bao cây (XGBoost, LightGBM)

Có rất nhiều bài đăng trên blog, video trên YouTube, v.v. về ý tưởng đóng bao hoặc tăng cường cây xanh. Hiểu biết chung của tôi là mã giả cho mỗi loại là: Đóng bao: Lấy N mẫu ngẫu nhiên là x% số mẫu và y% của các tính năng …

16 cart boosting xgboost bagging

1

Phương pháp so sánh nào được sử dụng cho mô hình lmer: lsmeans hoặc glht?

Tôi đang phân tích một tập dữ liệu bằng mô hình hiệu ứng hỗn hợp với một hiệu ứng cố định (điều kiện) và hai hiệu ứng ngẫu nhiên (người tham gia do thiết kế chủ đề và cặp bên trong). Mô hình được tạo ra với lme4gói : exp.model<-lmer(outcome~condition+(1|participant)+(1|pair),data=exp). …

15 r repeated-measures multiple-comparisons post-hoc lsmeans bayesian posterior marginal integral anova time-series regularization machine-learning pca computational-statistics references inference regression cross-validation python random-forest chi-squared spearman-rho r machine-learning confidence-interval bagging clustering feature-selection model-selection bic hypothesis-testing kurtosis r regression residuals terminology

2

Tại sao hàm bootstrap của scikit-learn lại mẫu thử nghiệm?

Khi sử dụng bootstrapping để đánh giá mô hình, tôi luôn nghĩ rằng các mẫu ngoài túi được sử dụng trực tiếp làm bộ thử nghiệm. Tuy nhiên, điều này dường như không phải là trường hợp cho NỮA scikit-họcBootstrap cách tiếp cận, mà dường như để xây dựng các …

15 cross-validation bootstrap random-forest scikit-learn bagging

1

Những thuật toán đóng bao nào là thành công xứng đáng cho Random Forest?

Để thúc đẩy các thuật toán, tôi sẽ nói rằng chúng phát triển khá tốt. Đầu năm 1995 AdaBoost đã được giới thiệu, sau một thời gian, nó là Máy tăng tốc Gradient (GBM). Gần đây, khoảng năm 2015 XGBoost đã được giới thiệu, chính xác, xử lý quá mức …

14 random-forest boosting bagging

5

Thuật toán rừng ngẫu nhiên và cây quyết định

Một khu rừng ngẫu nhiên là một tập hợp các cây quyết định theo khái niệm đóng bao. Khi chúng ta chuyển từ cây quyết định này sang cây quyết định tiếp theo thì làm thế nào để thông tin học được từ cây quyết định cuối cùng chuyển sang …

14 machine-learning random-forest cart bagging

3

Là rừng ngẫu nhiên và tăng cường tham số hay không tham số?

Bằng cách đọc mô hình thống kê xuất sắc : Hai nền văn hóa (Breiman 2001) , chúng ta có thể nắm bắt được tất cả sự khác biệt giữa các mô hình thống kê truyền thống (ví dụ: hồi quy tuyến tính) và thuật toán học máy (ví dụ: …

13 machine-learning data-mining random-forest boosting bagging

1

Tại sao không luôn luôn sử dụng học tập đồng bộ?

Dường như đối với tôi, việc học tập SILL luôn mang lại hiệu quả dự đoán tốt hơn so với chỉ một giả thuyết học tập duy nhất. Vậy tại sao chúng ta không sử dụng chúng mọi lúc? Tôi đoán là vì có lẽ, giới hạn tính toán? (ngay …

13 boosting ensemble bagging

2

Tại sao cây đóng gói / cây rừng ngẫu nhiên có độ lệch cao hơn cây quyết định?

Nếu chúng ta xem xét một cây quyết định đã phát triển đầy đủ (tức là một cây quyết định chưa được xử lý) thì nó có phương sai cao và độ lệch thấp. Đóng gói và Rừng ngẫu nhiên sử dụng các mô hình phương sai cao này và …

11 variance random-forest cart bias bagging

1

Dự đoán xác suất rừng ngẫu nhiên so với phiếu bầu đa số

Scikit learn dường như sử dụng dự đoán xác suất thay vì bỏ phiếu đa số cho kỹ thuật tổng hợp mô hình mà không có lời giải thích về lý do (1.9.2.1. Rừng ngẫu nhiên). Có một lời giải thích rõ ràng cho lý do tại sao? Hơn nữa …

10 random-forest python scikit-learn aggregation bagging

Câu hỏi được gắn thẻ «bagging»