我们知道有上千个分类器,最近我被告知,有些人说adaboost就像脱壳的分类器。
发布于 2016-04-16 17:57:16
Hastie等人(2013年,统计学习的要素)得出结论,梯度助推机是最好的“现成”方法。与你的问题无关。定义(见第352页):“现成的”方法可以直接应用于数据,而不需要大量的时间累积数据预处理或仔细调整学习过程。
还有一点更老的意思:事实上,Breiman (NIPS工作室,1996年)把AdaBoost和树木称为“世界上最好的现成分类器”(参见Breiman (1998))。
发布于 2011-02-27 07:26:40
首先,adaboost是一种元算法,它与你最喜欢的分类器结合使用。第二,在一个问题领域工作良好的分类器在另一个问题领域中通常不能很好地工作。请参阅没有免费午餐维基百科页面。所以,你的问题不会有答案。尽管如此,了解人们在实践中使用什么可能还是很有趣的。
发布于 2011-03-10 19:51:45
Weka和Mahout不是算法..。他们是机器学习图书馆。它们包括各种算法的实现。因此,您最好的选择是选择一个库,并尝试几种不同的算法,看看哪种算法对您的特定问题最有效(哪里的“最有效”将是培训成本、分类成本和分类准确性的函数)。
如果是我,我会从朴素的Bayes,k最近的邻居,和支持向量机开始。它们代表着成熟的、被充分理解的方法,有着截然不同的权衡。朴素的贝叶斯很便宜,但并不是特别准确。K在训练过程中很便宜,但在分类时却很昂贵,虽然它通常非常精确,但很容易受到过度训练的影响。支持向量机的训练成本很高,需要调整大量的元参数,但它们的应用成本很低,而且一般至少和k-NN一样精确。
如果你能告诉我们更多你想要解决的问题,我们也许能给出更有针对性的建议。但是如果你只是在寻找一个真正的算法,没有一个--没有免费午餐定理保证了这一点。
https://stackoverflow.com/questions/5131443
复制相似问题