用户867573478982

简介： 上次我们介绍过Adaboost是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器(弱分类器)，然后把这些弱分类器集合起来，构成一个更强的最终分类器（强分类器）。 本次将通过一个简单示

简介 AdaBoost算法是一种集成学习（ensemble learning）方法。集成学习是机器学习中的一类方法，它对多个机器学习模型进行组合形成一个精度更高的模型，参与组合的模型称为基学习器（we

简介：**** 我们经常用过拟合、欠拟合来定性地描述模型是否很好地解决了特定的问 题。从定量的角度来说，可以用模型的偏差（Bias）与方差（Variance）来描述模型的性能。集成学习往往能够“神奇”

简述： 虽然集成学习的具体要使用的算法和策略有所相同，但在实现过程中都共享同样的操作步骤。本次分享结合具体的集成学习算法，分析下集成学习的具体过程。 一. 基本步骤\ 集成学习大致可以概括为以下3个大

一． 简述 面对一个机器学习问题，通常有两种策略。一种是开发人员尝试各种模型，选择其中表现最好的模型做重点调参优化。这种策略类似于奥运会比赛，通过强强竞争来选拔最优的运动员，并逐步提高成绩。另一种重要

一． 简述 在和环境不断交互的过程中，智能体在不同的状态下不停地探索，获取不同的动作的反馈。探索（Exploration）能够帮助智能体通过不断试验获得反馈，利用（Exploitation）是指利用已

1. 简介 时间差分法主要基于时间序列的差分数据进行学习，其分为固定策略和非固定策略两种。固定策略时间差分法以Sarsa算法为代表；非固定策略以Q-Learning算法为代表。 2. S arsa 算

1. 简介 上一节主要介绍了强化学习的基本概念，主要是通过设定场景带入强化学习的策略、奖励、状态、价值进行介绍。有了基本的元素之后，就借助马尔可夫决策过程将强化学习的任务抽象出来，最后使用贝尔曼方程进

1. 简介 强化学习关注身处某个环境中的智能体通过采取行动获得最大化的累积收益。和传统的监督学习不同，在强化学习中，并不直接给智能体的输出打分。相反，智能体只能得到一个间接的反馈，而无法获得一个正确的