2025年数据挖掘中的集成方法——通过集成预测来提升精度(读书笔记)

数据挖掘中的集成方法——通过集成预测来提升精度(读书笔记)第 1 章 集成发现 将诸模型集成往往比单一模型得到的效果更显著 集成方式包括 平均法 投票法和顾问感知器 在从回声定位信号中提取蝙蝠分类的试验中 每种蝙蝠有 3 8 种信号 模型建立和交叉验证的结果显示 基准精度 选择相对多的数量 27 决策树的精度 46 多项式网络的精度 64 剪枝后的神经网络的精度 69 八维变量的最近邻的精度 69

大家好,我是讯享网,很高兴认识大家。

第1章 集成发现

将诸模型集成往往比单一模型得到的效果更显著。集成方式包括:平均法、投票法和顾问感知器。在从回声定位信号中提取蝙蝠分类的试验中,每种蝙蝠有3-8种信号。
模型建立和交叉验证的结果显示:
基准精度(选择相对多的数量):27%。
决策树的精度:46%
多项式网络的精度:64%
剪枝后的神经网络的精度:69%
八维变量的最近邻的精度:69%

以上各种方法在不同的数据区域出错,尝试平均这些方法的估计值,优化后可得到74%的精度。


讯享网


1.1 建立集成

两步构成:(1)建立不同模型 + (2)组合其估计
组合可由投票完成,主要还是通过带门限的感知器完成。
(1)贝叶斯:后验加权模型进行平均和估计。
(2)Bagging:自助训练数据集采集多数投票或平均。
(3)随机森林:在被组合树间增加随机成员。
(4)AdaBoost:改变(提升或降低)例子的权重递推构建模型并加权估计。
小讯
上一篇 2025-02-21 08:04
下一篇 2025-01-06 14:12

相关推荐

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容,请联系我们,一经查实,本站将立刻删除。
如需转载请保留出处:https://51itzy.com/kjqy/79359.html