Kurallar:
- cevap başına bir sınıflandırıcı
- kabul edersen oy ver
- kopyaları kaldır / kaldır.
- başvurunuzu yoruma ekleyin
Kurallar:
Yanıtlar:
Gürültülü verilerle denetlenen sorunlar için düzenli ayrımcılık
Friedman tarafından orijinal 1989 kağıdın bağlantı ve arkadaşlarının burada . Ayrıca, Kuncheva'nın " Desen sınıflandırıcılarını birleştirme " kitabında çok iyi bir açıklama var .
Degrade Artırılmış Ağaçlar.
Gauss Süreci sınıflandırıcısı - olasılıklı tahminler verir (operasyonel göreceli sınıf frekanslarınız egzersiz setinizdekilerden farklı olduğunda veya eşdeğerlik yanlış pozitif / yanlış negatif maliyetleriniz bilinmediği veya değişkendiğinde yararlıdır). Ayrıca, sonlu bir veri kümesinden "modeli tahmin etme" belirsizliğine bağlı olarak model öngörülerindeki belirsizliğin ortaya çıkmasını sağlar. Ko-varyans işlevi, bir SVM'deki çekirdek işlevine eşdeğerdir, bu nedenle doğrudan vektörel olmayan veriler (örneğin, dizeler veya grafikler vb.) Üzerinde de çalışabilir. Matematiksel çerçeve de temizdir (ancak Laplace yaklaşımını kullanmayın). Marjinal olasılığı en üst düzeye çıkararak otomatik model seçimi.
Esasen lojistik regresyon ve SVM'nin iyi özelliklerini birleştirir.
L1 düzenli lojistik regresyon.
K- gözetimsiz öğrenme için kümeleme anlamına gelir .