当前位置: 首页 > news >正文

专业建设外贸网站制作江门网站收录怎么弄

专业建设外贸网站制作江门,网站收录怎么弄,企业展厅布展设计,网站建设推广资讯引言 集成学习:让机器学习效果更好,单个不行,群殴走起。 分类 1. Bagging:训练多个分类器取平均(m代表树的个数)。 2.Boosting(提升算法):从弱学习器开始加,通过加权来进行训练。…

引言

集成学习:让机器学习效果更好,单个不行,群殴走起。

分类

1. Bagging:训练多个分类器取平均(m代表树的个数)。

2.Boosting(提升算法):从弱学习器开始加,通过加权来进行训练。(它与上面的不同在于它不是随机几颗树取平均,而是加入一棵树要比原来强)

 3.Stacking:聚合多个分类或回归模型(可以分阶段来做)

介绍

Bagging全称(bootstrap aggregation)在其算法中训练每一棵树之间是没有影响的,说白了就是并行训练一堆分类器。

典型代表随机森林:随机代表数据采样随机,特征选择随机,为了避免重复,但算法已经固定为了增加多样性则就是数据的采样要随机。森林代表很多个决策树并行放在一起。

随机森林中分类和回归的做法:

 在做分类任务的时候两个类别被分为A一个被分为B,那么则选择少数服从多数最后类别为A。

在做回归任务的时候分别为100、200、300,则最终结果为(100+200+300)/3

随机森林的优点:

1.可解释性强,便于分析。(对于神经网络、深度学习都是黑盒子,我们只能得到输入和输出内部很复杂看不到。)

2.在训练结束,它能够给出特征重要型排序,如下图:

 3.并行化方法,速度快

软投票和硬投票

一、硬投票:直接用类别值,少数服从多数

(1)准备数据并且可视化

%matplotlib inline
from matplotlib import pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn.datasets import make_moons
X,y=make_moons(n_samples=500,noise=0.30,random_state=42)
X_train,X_test,y_train,y_test=train_test_split(X,y,random_state=42)
plt.plot(X[:,0][y==0],X[:,1][y==0],'yo',alpha=0.6)#alpha 代表透明程度
plt.plot(X[:,0][y==0],X[:,1][y==1],'bs',alpha=0.6)

结果如图所示:

(2)硬投票

from sklearn.ensemble import RandomForestClassifier,VotingClassifier #随机森林和投票器
from sklearn.linear_model import LogisticRegression
from sklearn.svm import SVC
#进行实例化
log_clf=LogisticRegression()
rnd_clf=RandomForestClassifier()
svm_clf=SVC()
voting_clf=VotingClassifier(estimators=[('lr',log_clf),('rf',rnd_clf),('svc',svm_clf)],voting='hard')
voting_clf.fit(X_train,y_train)

(3)模型评价

from sklearn.metrics import accuracy_score
for clf in (log_clf,rnd_clf,svm_clf,voting_clf):clf.fit(X_train,y_train)y_pred=clf.predict(X_test)print(clf.__class__.__name__,accuracy_score(y_test,y_pred))

结果如下:

 二、软投票:各自分类器的概率值进行加权平均

数据不变,只需要将上面代码进行修改。代码如下:

from sklearn.ensemble import RandomForestClassifier,VotingClassifier #随机森林和投票器
from sklearn.linear_model import LogisticRegression
from sklearn.svm import SVC
#进行实例化
log_clf=LogisticRegression()
rnd_clf=RandomForestClassifier()
svm_clf=SVC(probability=True)
voting_clf=VotingClassifier(estimators=[('lr',log_clf),('rf',rnd_clf),('svc',svm_clf)],voting='soft')
voting_clf.fit(X_train,y_train)
from sklearn.metrics import accuracy_score
for clf in (log_clf,rnd_clf,svm_clf,voting_clf):clf.fit(X_train,y_train)y_pred=clf.predict(X_test)print(clf.__class__.__name__,accuracy_score(y_test,y_pred))

模型评价结果如图:

 明显比上一个效果好。

http://www.zhongyajixie.com/news/5243.html

相关文章:

  • 无锡百度网站排名宁波免费seo排名优化
  • asp网站怎么安装百度网盘资源免费搜索引擎入口
  • 前程无忧企业官方网站活动推广方案怎么写
  • 免费b2b网站发布信息参考消息网国内新闻
  • 肇庆网站搜索排名下载百度app最新版并安装
  • 教育网站百度一下首页百度一下
  • 做网站代码的含义站内营销推广途径
  • 网站建设要准备什么购买网站域名
  • 四方坪网站建设网站如何进行网络推广
  • 工业设计作品集网站网页seo优化
  • 宝鸡网站制作公司网站开发流程的8个步骤
  • 武汉做网站多少钱推广平台有哪些
  • 哪个网站好国际新闻头条今日要闻
  • wordpress acg模板郑州网站建设专业乐云seo
  • 给人家做的网站想改怎么改网站模板价格
  • 腾讯网站开发语言免费发布信息网网站
  • 自己怎样做网站app推广在哪里可以接单
  • asp.net网站制作步骤seo的工作原理
  • 江苏网站建设开发如何推销产品给客户
  • 微网站与普通网站的区别建网站软件
  • 莱芜做网站荆门刚刚发布的
  • 网站开发纠纷案优化营商环境条例心得体会
  • 昆明做网站想学手艺在哪里可以培训
  • 在线做编程题的网站英语培训机构前十名
  • 微信怎么做网站国内新闻热点事件
  • 做网站后台怎么弄淘宝如何提升关键词排名
  • 合肥教育平台网站建设seo企业顾问
  • 网站服务器租用多少钱淘宝关键词排名优化
  • 北辰做网站的公司排名点击软件怎样
  • 网站建设视频下载网络舆情软件免费入口