加入收藏 | 设为首页 | 会员中心 | 我要投稿 柳州站长网 (https://www.0772zz.cn/)- 基础存储、数据迁移、云安全、数据计算、数据湖!
当前位置: 首页 > 站长资讯 > 动态 > 正文

终于搞懂了 TCP 的 11 种状态

发布时间:2021-02-21 12:49:14 所属栏目:动态 来源:互联网
导读:决策树学习使用一个决策树作为一个预测模型,它将对一个 item(表征在分支上)观察所得映射成关于该 item 的目标值的结论(表征在叶子中)。 树模型中的目标是可变的,可以采一组有限值,被称为分类树;在这些树结构中,叶子表示类标签,分支表示表征这些类

决策树学习使用一个决策树作为一个预测模型,它将对一个 item(表征在分支上)观察所得映射成关于该 item 的目标值的结论(表征在叶子中)。

树模型中的目标是可变的,可以采一组有限值,被称为分类树;在这些树结构中,叶子表示类标签,分支表示表征这些类标签的连接的特征。

例子:

  •  分类和回归树(Classification and Regression Tree,CART)
  •  Iterative Dichotomiser 3(ID3)
  •  C4.5 和 C5.0(一种强大方法的两个不同版本)

优点:

  •  容易解释
  •  非参数型

缺点:

  •  趋向过拟合
  •  可能或陷于局部最小值中
  •  没有在线学习


集成方法是由多个较弱的模型集成模型组,其中的模型可以单独进行训练,并且它们的预测能以某种方式结合起来去做出一个总体预测。

该算法主要的问题是要找出哪些较弱的模型可以结合起来,以及结合的方法。这是一个非常强大的技术集,因此广受欢迎。

  •  Boosting
  •  Bootstrapped Aggregation(Bagging)
  •  AdaBoost
  •  层叠泛化(Stacked Generalization)(blending)
  •  梯度推进机(Gradient Boosting Machines,GBM)
  •  梯度提升回归树(Gradient Boosted Regression Trees,GBRT)
  •  随机森林(Random Forest)

优点:

  •  当先最先进的预测几乎都使用了算法集成。它比使用单个模型预测出来的结果要精确的多

缺点:

  •  需要大量的维护工作


 

(编辑:柳州站长网)

【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容!

    热点阅读