bootstrap和springboot有什么区别,bootstrap和css差别
bootstrap、boosting是机器学习中几种常用的重采样方法。其中bootstrap重采样方法主要用于统计量的估计,boosting方法则主要用于多个子分类器的组合。
bootstrap:估计统计量的重采样方法(推荐学习:Python视频教程)
Bootstrap方法是从大小为N的原始训练数据集DD中随机选取N个样本点,形成新的训练集。这个选择过程独立重复B次,然后进行模型统计(如均值、方差等。)是用这B个数据集估计的。因为原始数据集的大小是N,这B个新的训练集中必然会有重复样本。
统计的估计值定义为两个独立训练集的估计值bb的平均值:
boosting:
Boosting依次训练k个子分类器,最终的分类结果由这些子分类器决定。
首先,从大小为N的原始训练数据集中随机选择n1n1个样本来训练第一分类器,命名为C1C1,然后构建第二分类器C2C2的训练集D2D2。要求D2D2中一半样本能被C1C1正确分类,另一半样本被C1C1错误分类。
然后构造第三分类器C3C3的训练集D3D3,要求D3D3中样本的分类结果相差C1C1和C2C2。其余的子分类器按照类似的思路进行训练。
boosting构造新训练集的主要原理是使用具有最丰富信息的样本。
更多Python相关技术文章,请访问Python教程专栏学习!以上是boosting和bootstrap区别的细节。更多信息请关注盛行IT软件开发工作室的其他相关文章!
郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。