集成學習 | 食品業者
![集成學習](https://i.imgur.com/gmoXaCq.jpg)
在統計學和機器學習中,集成學習(英語:Ensemblelearning)方法使用多種學習算法來獲得比單獨使用任何單獨的學習算法更好的預測性能。...不像統計力學中的系綜通常是無限 ...
![集成學習](https://i.imgur.com/gmoXaCq.jpg)
在統計學和機器學習中,集成學習(英語:Ensemble learning)方法使用多種學習算法來獲得比單獨使用任何單獨的學習算法更好的預測性能。[1][2][3]不像統計力學中的系綜通常是無限的,機器學習集合僅由一組具體的有限的可替代模型組成,但通常允許在這些可替代方案中存在更靈活的結構。
監督學習算法通常被描述為執行搜索假設空間的任務以找到合適的假設,該假設將對特定問題做出良好預測。即使假設空間包含非常適合特定問題的假設,也可能很難找到一個很好的假設。集成學習結合多個假設,形成一個(希望)更好的假設。術語集成通常保留用於使用相同基礎學習器生成多個假設的方法。多分類器系統的更廣泛術語還包括由非相同基礎學習器得到的假設的結合。這種方法和現象也被另一個術語「群智」所描述,該術語來自多個DREAM生物醫學數據科學挑戰。
評估集成學習的預測通常需要比評估單個模型的預測更多的計算,因此集成可以被認為是通過執行大量額外計算來補償差的學習算法的方式。諸如決策樹之類的快速算法通常用於集合方法(如隨機森林),儘管較慢的算法也可以從集成方法中受益。
通過類比,集成技術也已用於無監督學習場景中,如共識聚類或異常檢測。
集成理論[編輯]集成學習本身是一種監督學習算法,因為它可以被訓練然後用於進行預測。因此,訓練後的集成模型代表了一個假設,但這個假設不一定被包含在構建它的模型的假設空間內。因此,可以證明集成學習在它們可以表示的功能方面具有更大的靈活性。理論上,這種靈活性使他們能夠比單一模型更多地過擬合訓練數據,但在實踐中,一些集成算法(如Bagging算法)傾向於減少對訓練數據過擬合相關的問題。
根據經驗,當模型之間存在顯著差異時,集成往往會產生更好的結果。[4][5]因此,許多集成方法試圖促進它們組合的模型之間的多樣性。[6][7]儘管可能不是直觀的,更隨機的算法(如隨機決策樹)可用於產生比非常有意識的算法(如熵減少決策樹)更強大的集成模型。[8]然而,使用各種強大的學習算法已被證明是比使用試圖愚弄模型以促進多樣性的技術更有效。[9]
...[Day 13] 整體學習(Ensemble Learning) | 食品業者
[Day 17] 集成式學習 | 食品業者
Python 演算法Day 13 | 食品業者
機器學習 | 食品業者
Ensemble learning | 食品業者
集成學習 | 食品業者
Ensemble learning 與Deep learning | 食品業者
A Gentle Introduction to Ensemble Learning Algorithms | 食品業者
![](https://i.imgur.com/gmoXaCq.jpg)
金門縣【集成】統一編號是多少?
公司名稱:集成所在城市:金門縣公司統編:詳細地址:金城鎮中興路8號食品業者登錄字號:W-200106088-00001-5登錄項目:餐飲場所