计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2009年
9期
208-210
,共3页
分类回归树%自助法%选择性集成
分類迴歸樹%自助法%選擇性集成
분류회귀수%자조법%선택성집성
集成学习已成为机器学习研究的一大热点.提出了一种综合Bagging和Boosting技术特点,以分类回归树为基学习器构造一种新的相似度指标用于聚类并利用聚类技术和贪婪算法进行选择性集成学习的算法--SER-BagBoosting Trees算法.算法主要应用于回归问题.实验表明,该算法往往比其它算法具有更好的泛化性能和更高的运行效率.
集成學習已成為機器學習研究的一大熱點.提齣瞭一種綜閤Bagging和Boosting技術特點,以分類迴歸樹為基學習器構造一種新的相似度指標用于聚類併利用聚類技術和貪婪算法進行選擇性集成學習的算法--SER-BagBoosting Trees算法.算法主要應用于迴歸問題.實驗錶明,該算法往往比其它算法具有更好的汎化性能和更高的運行效率.
집성학습이성위궤기학습연구적일대열점.제출료일충종합Bagging화Boosting기술특점,이분류회귀수위기학습기구조일충신적상사도지표용우취류병이용취류기술화탐람산법진행선택성집성학습적산법--SER-BagBoosting Trees산법.산법주요응용우회귀문제.실험표명,해산법왕왕비기타산법구유경호적범화성능화경고적운행효솔.
