教育部人文社会科学研究基金(08JC910003)

作品数：5被引量：35H指数：2
导出分析报告
相关作者：马景义谢邦昌吴喜之陈凯更多>>
相关机构：中央财经大学辅仁大学中国人民大学北京师范大学更多>>
相关期刊：《数理统计与管理》《统计与信息论坛》《统计研究》《计算机科学》更多>>
相关主题：自适应分类自适应贝叶斯规则BOOSTINGAG更多>>
相关领域：理学经济管理社会学更多>>
-
在结果中检索

检索结果分析

结果分析中...
共 条 记 录，以下是1-5
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
用于分类的随机森林和Bagging分类树比较被引量：17
《统计与信息论坛》2010年第10期18-22,共5页马景义 谢邦昌 
中央财经大学"121"人才工程青年博士发展基金项目<数据挖掘中基于L1罚函数的规则化算法建模理论和应用研究>(QBJ0711);全国统计科学研究计划项目<"有指导"的电话调查技术-基于数据挖掘的理念>(2008LY049);教育部人文社会科学研究项目<预测建模中基于L1罚函数的规则化建模理论>(08JC910003);中央财经大学学科建设基金资助
借助试验数据,从两种理论分析角度解释随机森林算法优于Bagging分类树算法的原因。将两种算法表述在两种不同的框架下,消除了这两种算法分析中的一些模糊之处。尤其在第二种分析框架下,更能清楚的看出,之所以随机森林算法优于Bagging分...
关键词：组合方法 随机森林 Bagging分类树 
拟自适应分类随机森林算法被引量：16
《数理统计与管理》2010年第5期805-811,共7页马景义 吴喜之 谢邦昌 
中财121人才工程青年博士发展基金(QBJ0711);全国统计科学研究计划项目(2008LY049);教育部人文社会科学研究项目基金(08JC910003);中央财经大学学科建设基金资助
本文给出了集成学习模型可以收敛的集成学习算法,拟自适应分类随机森林算法。拟自适应分类随机森林算法综合了Adaboost算法和随机森林算法的优势,实验数据分析表明,训练集较大时,拟自适应随机森林算法的效果会好于随机森林算法。另外,...
关键词：集成学习 拟自适应 随机森林 
拟适应再加权分类随机森林被引量：1
《统计与信息论坛》2010年第3期13-16,共4页马景义 谢邦昌 
全国统计科学研究计划项目"‘有指导’的电话调查技术--基于数据挖掘理念"(2008LY049);教育部人文社会科学研究基金项目"预测建模中基于﹂﹁罚函数的规则化建模理论"(08JC910003)
综合Adaboost算法的自适应再加权和随机森林算法的未修剪随机变量划分树基模型,文章提出了用于自适应随机森林算法。通过实验数据发现,在训练集较大、贝叶斯误差较小时,模拟自适应再加权会起作用,从而,拟自适应随机森林算法会优于随机...
关键词：模拟自适应再加权 随机森林 务实研究 
一种选择性SER-BagBoosting Trees集成学习研究
《计算机科学》2009年第9期208-210,共3页陈凯 马景义 
国家自然科学基金重点项目(10431010);教育部重点基地重大项目(05JJD910001);中财121人才工程青年博士发展基金(QBJ0711);全国统计科学研究计划项目(2008LY049);教育部人文社会科学研究项目基金(08JC910003)资助
集成学习已成为机器学习研究的一大热点。提出了一种综合Bagging和Boosting技术特点,以分类回归树为基学习器构造一种新的相似度指标用于聚类并利用聚类技术和贪婪算法进行选择性集成学习的算法——SER-BagBoosting Trees算法。算法主...
关键词：分类回归树 自助法 选择性集成 
算法建模发展解析被引量：1
《统计研究》2009年第2期58-61,共4页马景义 吴喜之 谢邦昌 
中财121人才工程青年博士发展基金(QBJ0711);全国统计科学研究计划项目(2008LY049);教育部人文社会科学研究项目基金(08JC910003)资助
Breiman并没有算法建模的一个完整体系,而且其许多研究都以工作论文的形式出现,对于这些方法机理的解析度都不够。本文在研究Breiman自1978年至2002年的论文和著作的基础上,概括出算法建模思想形成中的两个重要内容:建模目的,组合算法。
关键词：算法建模 贝叶斯规则 预测误差 组合方法 
全选清除导出
共1页<1>
检索报告 对象比较 聚类工具 使用帮助 返回顶部