在这种情况下,我们可以使用bagging算法(如随机森林),以解决高方差问题。 bagging算法把数据集分成重复随机取样形成的子集。 然后,这些样本利用单个学习算法生成一组模型。 接着,利用投票(分类)或平均(回归)把模型预测结合在一起。 另外,为了应对大方差,我们可以: 1.使用正则化技术,惩罚更高的模型系数,从而降低了模型...
在这种情况下,我们可以使用bagging算法(如随机森林),以解决高方差问题。bagging算法把数据集分成重复随机取样形成的子集。然后,这些样本利用单个学习算法生成一组模型。接着,利用投票(分类)或平均(回归)把模型预测结合在一起。 另外,为了应对大方差,我们可以:1.使用正则化技术,惩罚更高的模型系数,从而降低了模型的复杂...