期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到2篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
一种改进的组合方法mBagging 被引量：1
1
作者 刘汉明 刘赵发 +1 位作者 郑金萍 胡声洲 《赣南师范大学学报》 2020年第3期33-35,共3页
Bagging是一种有代表性的机器学习的组合方法,它在改善弱分类器的稳定性和精度上有着重要的价值,已得到广泛的认可与应用.但它的重抽样技术使其在大数据挖掘中表现不够理想.mBagging是一种对Bagging加以改进的组合方法,克服Bagging一些... Bagging是一种有代表性的机器学习的组合方法,它在改善弱分类器的稳定性和精度上有着重要的价值,已得到广泛的认可与应用.但它的重抽样技术使其在大数据挖掘中表现不够理想.mBagging是一种对Bagging加以改进的组合方法,克服Bagging一些不足,具有更高的统计功效、更低的假阳率和更快的运算速度.研究阐述mBagging的原理,从理论上探讨mBagging相较于Bagging性能更优的机理,并以皮尔逊相关系数作为基分类器,验证了mBagging的有效性. 展开更多
关键词 mbagging 组合方法 BAGGING 统计功效 算法时间
在线阅读 下载PDF
基于mBagging的随机森林 被引量：6
2
作者 郑金萍 刘赵发 +5 位作者 胡珍珍 李泽南 黎姿 刘汉明 汪廷华 胡声洲 《赣南师范大学学报》 2022年第3期113-115,共3页
随机森林是采用Bagging组合方法集成的决策树集合,在数据分类、预测领域应用广泛.Bagging组合方法在机器学习中具有代表性,但对于实际的大数据挖掘仍存在一些不足.mBagging是基于Bagging组合方法的一种改进,具有更高的统计功效、更低的... 随机森林是采用Bagging组合方法集成的决策树集合,在数据分类、预测领域应用广泛.Bagging组合方法在机器学习中具有代表性,但对于实际的大数据挖掘仍存在一些不足.mBagging是基于Bagging组合方法的一种改进,具有更高的统计功效、更低的假阳率以及更快的运算速度.采用全基因组SNP仿真数据集的实验表明,基于mBagging的随机森林运算速度明显快于传统的随机森林,且在保证OOB袋外错误率不劣化的前提下,判断风险SNP的准确率得到了提高. 展开更多
关键词 mbagging 随机森林 BAGGING OOB袋外错误率 算法时间
暂未订购
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部