您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. Random forests(Leo Breiman)

  2. Random forests are a combination of tree predictors such that each tree depends on the values of a random vector sampled independently and with the same distribution for all trees in the forest. The generalization error for forests converges a.s. to
  3. 所属分类:其它

    • 发布日期:2009-11-22
    • 文件大小:123904
    • 提供者:utimes
  1. Random Forests

  2. 决策树经典算法,LEO BREIMAN的代表作,多个决策树的组合学习
  3. 所属分类:其它

    • 发布日期:2012-05-24
    • 文件大小:230400
    • 提供者:ccc3789784
  1. 信息论基础(英文版)

  2. CONTENTS Contents v Preface to the Second Edition xv Preface to the First Edition xvii Acknowledgments for the Second Edition xxi Acknowledgments for the First Edition xxiii 1 Introduction and Preview 1.1 Preview of the Book 2 Entropy, Relative Entr
  3. 所属分类:数据库

    • 发布日期:2013-05-03
    • 文件大小:4194304
    • 提供者:u010547495
  1. 随机森林(Random Forest)的Fortran和R语言实现

  2. August 29, 2013 Breiman and Cutler’s random forests for classification and regression Version 4.6-7
  3. 所属分类:专业指导

    • 发布日期:2014-03-04
    • 文件大小:186368
    • 提供者:u013899602
  1. 随机森林模型在分类与回归分析中的应用

  2. 随机森林 random forest 模型是由Breiman 和Cutler 在2001 年提出的一种基于分类树的算法 它通过 对大量分类树的汇总提高了模型的预测精度 是取代神经网络等传统机器学习方法的新的模型 随机森林的运 算速度很快 在处理大数据时表现优异 随机森林不需要顾虑一般回归分析面临的多元共线性的问题 不用做变 量选择 现有的随机森林软件包给出了所有变量的重要性 另外 随机森林便于计算变量的非线性作用 而且可 以体现变量间的交互作用 interaction 它对离群值也不敏感 本文
  3. 所属分类:专业指导

    • 发布日期:2014-05-10
    • 文件大小:1048576
    • 提供者:sinat_15242403
  1. Random Forests-LEO BREIMAN

  2. LEO BREIMAN的随机森林论文
  3. 所属分类:专业指导

    • 发布日期:2014-05-13
    • 文件大小:463872
    • 提供者:u012564690
  1. bagging算法python组件

  2. bagging 是bootstrap aggregating的缩写,它首次介绍是在L. Breiman, Bagging predictors, Mach. Learn. 24 (2) (1996) 123--140 ,是第一批用于多分类器集成算法。该集成方法包括在一个训练集合上重复训练得到的多个分类器。
  3. 所属分类:Python

    • 发布日期:2015-04-19
    • 文件大小:11534336
    • 提供者:u013566228
  1. 随机森林Matlab

  2. Matlab代码写的Breiman's randomForest
  3. 所属分类:其它

    • 发布日期:2017-01-24
    • 文件大小:272384
    • 提供者:cuijia1247
  1. 随机森林算法

  2. 随机森林回归分宜预测,比向量机精度好点随机森林 论文作者写的随机森林代码,采用matlab混合编程,需要安装Fortran compiler。。。 (An interface to the random forest algorithm (version 3.3) written by Leo Breiman and Adele Cutler. This tool is for windows MATLAB R13 only)
  3. 所属分类:深度学习

    • 发布日期:2017-11-06
    • 文件大小:216064
    • 提供者:shaitu0586
  1. CART决策树

  2. CART已经被证明是一种“全局近似器” 如果给出预测变量x1.,,,xk以及一个需要预测的目标变量,CART保证可以发现预测变量和目标变量之间的关系。 前提条件是我们必须有足够的数据(可能需要几百万条记录) 标准的统计模型不是全局近似器,而一些神经网络是 所有决策树中,CART是唯一被证明的全局近似器。请看Breiman, Friedman, Olshen and Stone
  3. 所属分类:机器学习

    • 发布日期:2018-09-10
    • 文件大小:1048576
    • 提供者:weixin_42250912
  1. BP神经网络的训练问题-使用MATLAB实现BP神经网络的设计.pdf

  2. BP神经网络的训练问题-使用MATLAB实现BP神经网络的设计.pdf 我自己编的神经网络,现在用Breiman的Plane数据集训练,10个输入,1个输出,33组数据,但是发现误差减小超级慢,而且到3万次以后似乎就饱和了还是什么,误差就不再减小了,是为什么啊?~? 还有一般这些回归问题要大概训练次数是多少次才可以收敛到比较好的结果啊...不会是要几十万次吧... 求高人帮忙
  3. 所属分类:其它

    • 发布日期:2019-08-12
    • 文件大小:243712
    • 提供者:weixin_39840650
  1. 随机森林原理解释及其中各个参数的含义中文解释 (1).zip

  2. 一 、RF原理解释: 首先,从给定的训练集通过多次随机的可重复的采样得到多个 bootstrap 数据集。接着,对每个 bootstrap 数据集构造一棵决策树,构造是通过迭代的将数据点分到左右两个子集中实现的,这个分割过程是一个搜索分割函数的参数空间以寻求最大信息增量意义下最佳参数的过程。然后,在每个叶节点处通过统计训练集中达到此叶节点的分类标签的直方图经验的估计此叶节点上的类分布。这样的迭代训练过程一直执行到用户设定的最大树深度(随机森林提出者Breiman采用的是ntree=500)或者
  3. 所属分类:机器学习

    • 发布日期:2019-08-30
    • 文件大小:17408
    • 提供者:evangelinejj
  1. 1a_Advances in Financial Machine Learning Lecture-1-9.pdf

  2. notes for Advances_in_Financial_Machine_LearningSECTION The history of Machine Learning What Is Machine Learning? An ML algorithm learns complex patterns in a high-dimensional space without being specifically directed Marcos Lopez de prado, Advan
  3. 所属分类:机器学习

    • 发布日期:2019-08-31
    • 文件大小:12582912
    • 提供者:gegejoe
  1. 【监督学习】- 分类(决策树)

  2. 决策树 决策树(decision tree) 是一种基本的分类与回归方法。本博客主要讨论用于分类的决策树。决策树模型呈树形结构,在分类问题中,表示基于特征对实例进行分类的过程。学习时,利用训练数据,根据损失函数最小化的原则建立决策树模型。预测时,对新的数据,利用决策树模型进行分类。 决策树学习通常包括3个步骤:特征选择、决策树的生成和决策树的修剪。这些决策树学习的思想主要来源于由Quinlan在1986年提出的ID3算法和1993年提出的C4.5算法,以及由Breiman等人在1984年提出的C
  3. 所属分类:其它

    • 发布日期:2020-12-21
    • 文件大小:614400
    • 提供者:weixin_38726186
  1. 集成学习算法

  2. 集成学习算法集成学习的基本原理BaggingBoosting随机森林 集成学习的基本原理 Bagging Boosting 随机森林 随机森林指的是利用多棵树对样本进行训练并预测的一种分类器。该分类器最早由Leo Breiman和Adele Cutler提出,并被注册成了商标。 随机森林相对于Bagging,既对样本做随机,又对变量做随机。 随机森林的优点: 1)对于很多种资料,它可以产生高准确度的分类器; 2)它可以处理大量的输入变数; 3)它可以在决定类别时,评估变数的重要性; 4)
  3. 所属分类:其它

    • 发布日期:2021-01-07
    • 文件大小:356352
    • 提供者:weixin_38653085
  1. sklearn-oblique-tree:OC1和其他倾斜决策树实现的python接口-源码

  2. :deciduous_tree: Python中的斜决策树 倾斜决策树实现的python接口: OC1 CART-线性组合(Breiman等,1984,第5章) 安装(Python 3) 首先使用以下命令安装numpy : pip install numpy 然后运行: pip install git+https://github.com/AndriyMulyar/sklearn-oblique-tree 利用 可以使用普通的scikit-learn分类器api来诱导树木。 例如:
  3. 所属分类:其它

    • 发布日期:2021-02-04
    • 文件大小:144384
    • 提供者:weixin_42139357