什么是合奏技术？让我们用柠檬语言学习吧。✔
什么是合奏技巧？
每当我们有大量数据时，或者我们可以说，每当我们在数据集中有大量行和列时，我们使用 技术集。
例如 ：-
假设我们有 50000 行和 100 列；这里这样的大数据是单个模型无法学习的，所以在这种情况下我们使用集成技术。
为什么我们使用集成技术？
在集成技术中，数据集分为 块 数据或 子集 数据和这些块或子集正在由模型学习。
Ensemble Method
合奏技术的类型：-
一个） 。装袋（并行方法）：- 在 Bagging 的情况下，整个数据集被划分为数据块，并将这些块提供给要学习的模型。在这里，模型与数据集并行学习。
Bagging Method
乙）。 Boosting（顺序方法）：- 在 Boosting 的情况下，模型学习整个数据集，然后将模型的输出作为另一个模型的输入，然后是最终的输出或结果。
Boosting Method
模型用于 Bagging 和 Boosting，它们存在于 scikit Learn 中：-
一个）。装袋：-
1. 随机森林
2.额外的树木
乙）。提升：-
1.AdaBoost
2. 梯度提升
↣关于上述 Bagging 模型（a）的一些提示：-
一世） 。这些模型可用于分类和回归。
二）。所有这些都适用于同质模型。
三）。在所有这些模型中，我们的基本估计器默认是决策树分类器/回归器（DTC/DTR）
iv)。决策树分类器/回归器，估计器的数量默认为100，这意味着将创建100棵树。
v).Decision Tree Classifier/Regressor ，默认情况下标准是'GINI'。
↣关于上述 Boosting 模型（b）的一些提示：-
一世） 。这些模型可用于分类和回归。
二）。所有这些都适用于同质模型。
三）。在所有这些模型中，我们的基本估计器默认是决策树分类器/回归器（DTC/DTR）
iv)。在 boosting 中有一个参数“学习率”，它表示它将增加模型的学习，然后它会给出准确度。 （默认学习率=1）。
五）。算法默认为 'SAMME.R' 。
结论：-
1. 当我们有大数据集时使用它。
2. Bagging 和 Boosting 是 Ensemble 的两种常用技术。
3. 适用于同质模型。
4. DTC/DTR 在 bagging 和 boosting 中都是默认的基础估计量。
5. 在 AdaBoost 中，n_estimator 默认为 50
— — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — —
感谢您的阅读，祝您有美好的一天。
— — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — —
阿里
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明
本文链接：https://www.qanswer.top/37892/59371910
标签：Bagging,语言,模型,默认,学习,柠檬,合奏,Boosting,数据 From： https://www.cnblogs.com/amboke/p/16707006.html