（四）整合學習

2.2.1 分類：二分類為例，輸出-1/1

2.2.2 回歸：r2回歸為例

2.2.3 正則化

booster：弱學習器，常用gbtree

eta：learning rate

min_child_weight[預設1]：子節點的權重閾值。它刻畫的是：對於乙個葉子節點，當對它採取劃分之後，它的所有子節點的權重之和的閾值。所謂的權重，對於線性模型(booster=gblinear)，權重就是：葉子節點包含的樣本數量，對於樹模型（booster=gbtree,dart），權重就是：葉子節點包含樣本的所有二階偏導數之和。這個引數用於避免過擬合。當它的值較大時，可以避免模型學習到區域性的特殊樣本。但是如果這個值過高，會導致欠擬合。這個引數需要使用cv來調整。該值越大，則演算法越保守（盡可能的少劃分）。

max_delta_step[預設為0] 每棵樹的權重估計時的最大delta step。取值範圍為[0,∞

\infty

∞

學習筆記（四） 整合學習

概念 整合學習 多分類器系統 基於委員會的學習 通過構建並結合多個學習器完成學習任務。圖1 先產生一組個體學習器，再利用某種策略將他們結合起來。分類1 根據個體學習器是否為同種型別 分類2 根據序列 並行 好而不同 個體學習器有一定的準確性並且學習器間具有差異 整合學習往往可以得到比單一學習器顯著優...

ABP架構學習系列四 整合Dapper

修改zmblog.infrastructure的zmblogdatamodule 如下 namespace zmblog.entityframework public override void initialize 和ef一樣，需要配置對映關係 public public ps 如果同時使用ef，...

自己動手寫spring（四） 整合xml與註解方式

本文總結前文的內容，將兩種方式整合在一起。再次強調，要實現bean工廠功能，首先要將bean資訊載入到記憶體，由配置檔案或註解方式轉化為 以類的方式 儲存，並以map的形式組織起來 為方便查詢 具體的說就是 public class beanfactory catch exception e get...