丰富战斗机

文章
7
资源
0
加入时间
2年10月17天

集成学习——AdaBoosting

集成学习即结合多个学习器来完成学习任务。一般个体学习器是弱学习器,如决策树、神经网络等。为了避免把好坏不一的模型组合的结果比最好的个体学习器差,每个学习器应该有多样性,即好而不同。集合学习的利率证明:对于单个分类器hi,其错误率如下:对于T个分类器,如果超半数分类为正确,则最终分类为正确。可见随着T增加,错误率会指数级下降,最终趋于0。然而前提条件是分离器的误差相互独立,针对这个问题,现有的集成学习方法分为两类:1、串行生成的Boosting。 2、并行的Bagging和随机森林。

Android开发经验教训

1.经常出现进程意外停止:程序中缺少非NULL判断,而出现引用变量值为NULL时就会出现此异常;2.经常出现强制关闭或等待:可能是与server通信超时引起,另外耗时的操作不应放在UI线程中;3.需要实例化一个来自第三方插件的类,编译没问题,运行报错"java.lang.NoClassDefFoundError:";百思不得其解,后发现:本工程只是在build path的Projects里

写给站在门口的人

        好久没写点东西了,直到前两天,又有人特意问我,做程序员容易么。其实,大多数跟程序打交道的人,当初也何尝不是这样;只是,在真正做了之后,心里虽然已经早有了说法,但可能碍于时间(你懂的,他们总是有解决不完的问题,总是有学不完的新东西),可能是觉得这个问题太Low以至于不太好回答(这个原理,参考1+1=2的证明),当然,也可能是纯粹的懒,因此,作为过来人的他们,一般不会在这个问题上过多纠...