熱線電話:13121318867

登錄
首頁精彩閱讀機器學習中訓練只有一個模型嗎?
機器學習中訓練只有一個模型嗎?
2019-04-28
收藏

機器學習中,訓練是一個十分重要的步驟,和優化一樣,都是能夠對機器學習的結果產生直接影響的,而機器學習中不管哪個內容都是需要模型的,通過這些模型我們才能夠做得更好。但是很多人對于機器學習存在疑惑,那就是機器學習中的訓練只有一個模型嗎?下面我們就給大家介紹一下這個問題。

其實在機器學習發展的早期階段,每個研究者都有自己最喜歡的學習模型,并有一些先驗的理由去相信它的優越性。在嘗試很多不同方法上做了大量的努力,并選擇了結果最好的一個。然而系統的經驗比較表明,應用對象不同,最好的學習模型也是有所不同,而且包含許多不同學習器的系統開始出現?,F在努力嘗試許多學習器的許多變體,選擇結果最好的一個。但隨后研究人員注意到,如果不是選擇去找到最佳變體,而是融合許多變體,結果通常是要好得多。而且對研究人員來說沒有額外的工作量。

現在,創建這樣的模型融合是機器學習標準化流程。最簡單的融合技術,我們通過重新采樣簡單地生成訓練集的隨機變化,分別學習一個分類器,并通過投票策略來融合結果。這種方法是有效的,因為它大大降低了模型的方差,而只是稍微增加了偏差。在這里我們就不得不說說一種算法,那就是boosting算法,在Boosting算法中,訓練樣例有權重,而且這些都是不同的,所以每個新的分類器都集中于前面那些往往會出錯的樣例上。

在stacking算法中,單個分類器的輸出是“更高級”學習器的輸入,這個學習器需要計算出如何最好地組合它們。當然,也存在許多其他的技術,而總體趨勢是越來越大的模型融合。在某些比賽中,來自世界各地的團隊爭相構建最佳視頻推薦系統。隨著比賽的進行,參數團隊發現把他們自己的學習器和其他小組的結合起來,并且再與其他組合并為更大的模型,能取得最好的成績。冠軍和亞軍都是融合了100多個學習器,而將兩只隊伍的學習模型再一融合,能進一步提高成績。毫無疑問,將來我們會看到更大的學習模型。由此可見機器學習中訓練不只是一個模型。

在這篇文章中我們給大家介紹了關于機器學習中的訓練模型的具體內容,那就是機器學習中訓練模型不只是一種,我們一定要博學廣義,才能夠讓自己更加優秀和強大。希望這篇文章能夠給大家帶來幫助。

數據分析咨詢請掃描二維碼

若不方便掃碼,搜微信號:CDAshujufenxi

數據分析師資訊
更多

OK
客服在線
立即咨詢
日韩人妻系列无码专区视频,先锋高清无码,无码免费视欧非,国精产品一区一区三区无码
客服在線
立即咨詢