tailieunhanh - Bài giảng Khai mở dữ liệu: Phương pháp tập hợp mô hình (Ensemble-based methods)

Bài giảng Khai mở dữ liệu: Phương pháp tập hợp mô hình (Ensemble-based methods) của Đỗ Thanh Nghị trình bày về Ensemble-based; Bagging, Random forests, Boosting; kết luận và hướng phát triển. | Khoa Công Nghệ Thông Tin Trường Đại Học Cần Thơ Phương pháp tập hợp mô hình Ensemble-based methods Đỗ Thanh Nghị dtnghi@ Cần Thơ 02-12-2008 Nội dung Giới thiệu về Ensemble-based Bagging, Random forests, Boosting Kết luận và hướng phát triển 2 Nội dung Giới thiệu về Ensemble-based Bagging, Random forests, Boosting Kết luận và hướng phát triển 3 Giới thiệu về Ensemble-based Bagging, Random forests, Boosting kết luận và hướng phát triển Ensemble-based phương pháp ensemble-based xây dựng tập hợp các mô hình cơ sở dựa trên tập học kết hợp các mô hình khi phân loại cho độ chính xác cao dựa trên cơ sở bias/variance bagging, random forests, boosting áp dụng cho nhiều giải thuật cơ sở khác nhau như cây quyết định, SVM, naive Bayes, etc. giải quyết các vấn đề về phân loại, hồi quy, gom nhóm, etc. cho kết quả tốt, tuy nhiên không thể dịch được kết quả sinh ra được ứng dụng thành công trong hầu hết các lãnh vực tìm kiếm thông tin, nhận dạng, phân tích dữ liệu, etc. 4 Giới thiệu về Ensemble-based Bagging, Random forests, Boosting kết luận và hướng phát triển Ensemble-based hiệu quả giải thuật học bias : thành phần lỗi độc lập với mẫu dữ liệu học variance : thành phần lỗi do biến động liên quan đến sự ngẫu nhiên của tập .