摘要:在现如今的机器学习领域,集成学习方法作为一种提高模型性能的策略,被广泛应用在各种机器学习模型当中。集成学习的核心概念是综合多个分类器的结果,通过某种集成策略,来得到一个准确率更高的模型。本文依据具体实例"Fashion-MINIST服饰分类数据集",分别采用了kNN模型,logistic模型,以及bagging集成kNN,logistic模型,比较分析了不同模型在该数据集上的差异性以及优缺点。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社
热门期刊服务
相关文章
影响因子:0.62
期刊级别:部级期刊
发行周期:旬刊
期刊在线咨询,1-3天快速下单!
查看更多>
超1000杂志,价格优惠,正版保障!
一站式期刊推荐服务,客服一对一跟踪服务!