機(jī)器學(xué)習(xí) 課件 第6章 非線性模型、第7章 集成學(xué)習(xí)_第1頁
機(jī)器學(xué)習(xí) 課件 第6章 非線性模型、第7章 集成學(xué)習(xí)_第2頁
機(jī)器學(xué)習(xí) 課件 第6章 非線性模型、第7章 集成學(xué)習(xí)_第3頁
機(jī)器學(xué)習(xí) 課件 第6章 非線性模型、第7章 集成學(xué)習(xí)_第4頁
機(jī)器學(xué)習(xí) 課件 第6章 非線性模型、第7章 集成學(xué)習(xí)_第5頁
已閱讀5頁,還剩24頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

第6章非線性模型《機(jī)器學(xué)習(xí)》胡曉目錄6.1分段線性判別6.2二次判別分析6.3核方法6.1分段線性判別如圖所示,我們可以用兩條線性分界線(兩條黑色直線)完成線性不可分的分類問題。此策略分成兩步:子類劃分和合并同類。子類劃分,將某些類別劃分成可與其它類線性可分的子類。合并同類即將分類后相同類合并成一類。6.2二次判別分析

因此,實(shí)際上采用參數(shù)估計(jì)獲得二次判別函數(shù)。6.2二次判別分析

6.3核方法核方法基本思路:不增加模型參數(shù),將訓(xùn)練樣本屬性向量從低維空間非線性映射到高維空間,然后在高維空間學(xué)習(xí)線性模型。6.3核方法

6.3核方法

6.3核方法

6.3核方法6.3.2核函數(shù)

6.3核方法

1、線性核函數(shù)

3、雙正切核函數(shù)

5、指數(shù)核函數(shù)

6、拉普拉斯核函數(shù)

6.3核方法

6.3核方法

謝謝!第7章集成學(xué)習(xí)《機(jī)器學(xué)習(xí)》胡曉目錄7.1集成學(xué)習(xí)理論依據(jù)7.2集成學(xué)習(xí)機(jī)制7.3決策樹7.4隨機(jī)森林7.5自適應(yīng)助推7.1集成學(xué)習(xí)理論依據(jù)

7.2集成學(xué)習(xí)機(jī)制裝袋法(Bagging)

:每次被選取的樣本賦予相同權(quán)重,所有模型有相同投票權(quán);采用某種組合策略確定最終結(jié)果。助推法(Boosting)采用級(jí)聯(lián)方式,前級(jí)基學(xué)習(xí)指導(dǎo)后級(jí)基學(xué)習(xí),后級(jí)基學(xué)習(xí)重視前級(jí)的錯(cuò)分樣本,并給予錯(cuò)分樣本

7.3決策樹

在樹形結(jié)構(gòu)圖中,只有輸出沒有輸入的節(jié)點(diǎn)稱為是根結(jié)點(diǎn),位于樹的頂端;既有輸入又有輸出的結(jié)點(diǎn)稱為中間結(jié)點(diǎn);只有輸入沒有輸出的結(jié)點(diǎn)稱為葉結(jié)點(diǎn),葉結(jié)點(diǎn)代表了對樣本數(shù)據(jù)的決策類別,即決策結(jié)果。7.3決策樹7.3.2ID3和C4.5第3代迭代二叉樹(IterativeDichotomiser3,ID3)C4.5算法與ID3整體結(jié)構(gòu)基本一樣,都采用自頂向下的貪婪搜索遍歷所有可能的決策樹空間;不同的是:在劃分分支選擇最優(yōu)屬性時(shí),ID3選擇信息增益最高的屬性,而C4.5采用信息增益比最高的屬性。

信息增益比,

7.3決策樹7.3.2ID3和C4.5

7.3決策樹

7.3決策樹7.3.3分類回歸樹

從表7.1中有放回的隨機(jī)抽取15個(gè)樣本構(gòu)成數(shù)據(jù)集

7.3決策樹

7.3決策樹7.3.4剪枝理想情況下,所有樣本都能被決策樹精確預(yù)測,即生成決策樹葉結(jié)點(diǎn)都有確定類型。但實(shí)際上決策樹可能存在過多結(jié)點(diǎn),導(dǎo)致過度擬合。常見原因:樣本中存在噪聲和樣本不具代表性。因此,實(shí)際中常常進(jìn)行枝葉裁剪。預(yù)剪枝后剪枝7.4隨機(jī)森林隨機(jī)森林是(RadomForest)裝袋學(xué)習(xí)機(jī)制的一種進(jìn)階。在隨機(jī)森林中,每個(gè)基映射函數(shù)都是一棵決策樹,然后

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論