中山大学AI技术俱乐部本学期第七次课程培训圆满结束啦!
这次的课程依旧分为三个部分,分别为积分公示,课程讲解和课程预告。本次课程是由陈荣聪师兄为我们带来的《集成学习》。感谢陈荣聪师兄精心准备的讲座。
培训一开始主持人展示了会员们的积分。
课程开始啦!!
一开始师兄简单的介绍集成学习。集成学习通过构建并结合多个学习器来完成学习任务。集成学习通常能获得比单一学习器显著优越的泛化性能。个体学习器应“好而不同”即个体学习器要有一定的准确性,并且要有“多样性”。
随后师兄还介绍了集成学习的方法。序列化方法AdaBoost以及并列化方法Bagging和Random Forest。师兄很有耐性的讲解这些方法的原理及好处。
接下来就是集成学习的结合策略。为了更有效的处理不同的任务,使用不同的策略能给出更好的效果。这里介绍了投票法、平均法和学习法。
对于分类任务来说,最常用的结合策略就是使用投票法
对数值型输出的学习任务,例如回归任务,最常见的结合策略是使用平均法。
当训练数据很多时,一种更为强大的结合策略就是使用学习法,而Stacking是学习法的典型代表。
师兄讲解了多样性增强常用的策略,即数据样本扰动、输入属性扰动和算法参数扰动。
课程结束后,同学问了一些问题,师兄还是很耐心的一一解答呢。再次感谢陈荣聪师兄的精彩讲解和耐心解答。
本周五(11月24日)4.00 --5.00, 由商汤科技研究员黄展鹏带给我们《人脸检测和跟踪在AR中的应用探索》,希望会员们能参与这次的讲座。