亚洲图片欧美综合,国产盗摄AV,AV偷拍,女人高潮一级A片被处,天天揉揉夜夜揉揉揉揉,淫视频在线,A片网子,91精品国产乱码久久久久久久久

大數(shù)據(jù)文摘授權(quán)轉(zhuǎn)載自數(shù)據(jù)派THU

編譯：wwl、王琦

生活中我們做的許多決定都是基于其他人的意見(jiàn)。這包括，通過(guò)書評(píng)來(lái)決定閱讀哪一本書；根據(jù)多位醫(yī)生的建議決定選擇哪個(gè)治療方案；以及定罪。

一般地，一群人共同決策的結(jié)果比團(tuán)隊(duì)中每個(gè)個(gè)體單獨(dú)做決策帶來(lái)的結(jié)果更優(yōu)。這通常被視為是群體的智慧。

對(duì)于回歸和分類的預(yù)測(cè)建模問(wèn)題，通過(guò)把多個(gè)機(jī)器學(xué)習(xí)的預(yù)測(cè)模型組合起來(lái)，也可以達(dá)到類似的結(jié)果。這通常叫做集成機(jī)器學(xué)習(xí)，簡(jiǎn)稱集成學(xué)習(xí)。

通過(guò)本文，你可以掌握有關(guān)集成學(xué)習(xí)的入門介紹。你將了解到：

我們做的許多決定都包含了其他人的意見(jiàn)或投票。
群體決策效果比個(gè)人更好，這被稱為群體的智慧。
集成機(jī)器學(xué)習(xí)把多個(gè)成熟的模型預(yù)測(cè)結(jié)果組合起來(lái)。

我們開(kāi)始吧！

? ? ?

總覽

本教程包含三部分：

1、?做重要決策

2、?群體的智慧

3、?集成機(jī)器學(xué)習(xí)

做重要決策

想一想生活中，你做的重要的決策。比如說(shuō)：

買什么書和接下來(lái)閱讀什么書？
參加哪所大學(xué)？

候選的書都聽(tīng)起來(lái)很有趣，但我們實(shí)際購(gòu)買的可能是有最多好評(píng)的那一本。候選的大學(xué)都可以提供我們感興趣的課程，但最終的選擇會(huì)基于有一手消息的朋友和熟人的反饋。

我們可能會(huì)相信有關(guān)這些書籍的評(píng)論和星級(jí)評(píng)級(jí)，因?yàn)槊總€(gè)人都提供了一個(gè)評(píng)論，用戶跟這個(gè)書沒(méi)有關(guān)系（希望如此），且獨(dú)立于其他人留下的評(píng)論。如果不是這樣的話，對(duì)結(jié)果的信任就會(huì)受到質(zhì)疑，對(duì)系統(tǒng)的信任也會(huì)動(dòng)搖，這就是為什么亞馬遜努力刪除圖書的虛假評(píng)論。

另外，想一下更私人的一些重要決定。比如說(shuō)有關(guān)疾病的治療。我們聽(tīng)取一個(gè)專家的建議，但我們還會(huì)尋覓第二個(gè)、第三個(gè)，甚至更多意見(jiàn)，以確?？梢缘玫阶詈玫闹委煼桨?。?

來(lái)自第二個(gè)、第三個(gè)專家的意見(jiàn)可能和第一個(gè)的意見(jiàn)相同也可能相悖，但因?yàn)樗麄兊囊庖?jiàn)都是冷靜、客觀、獨(dú)立的，因此會(huì)給予重視。但如果專家之間串通了意見(jiàn)，那么尋找第二個(gè)、第三個(gè)專家意見(jiàn)的過(guò)程就沒(méi)有意義了。

“當(dāng)面臨重要決策時(shí)，我們通常會(huì)尋求不同專家的意見(jiàn)來(lái)幫助我們做出決策?！?/span>

— Page 2,?Ensemble Machine Learning, 2012.

https://amzn.to/2C7syo5

最后，想一想有關(guān)社會(huì)決策。比如說(shuō)，誰(shuí)應(yīng)該在政府中代表一個(gè)地區(qū)；某人是否有罪。

代表的民主選舉（以某種形式）依賴于民眾的獨(dú)立投票。

“基于多人/多位專家的輸入做出決策，已經(jīng)成為人類文明中的普遍實(shí)踐，是民主社會(huì)的基礎(chǔ)?！?/span>

— Page v,?Ensemble Methods, 2012.

?https://amzn.to/2XZzrjG

嚴(yán)重犯罪的定罪可以由獨(dú)立的同行組成的陪審團(tuán)來(lái)確定，陪審團(tuán)通常被隔離以加強(qiáng)其解釋的獨(dú)立性。案件也可以在多層次上上訴，根據(jù)結(jié)果提供第二、第三和更多意見(jiàn)。

“大多數(shù)國(guó)家的司法體系，無(wú)論是基于陪審團(tuán)還是法官團(tuán)，都是以集體決策為基礎(chǔ)?！?/span>

— Pages 1-2,?Ensemble Machine Learning, 2012.

以上都是通過(guò)結(jié)合較低級(jí)別的意見(jiàn)、投票或決策而獲得結(jié)果的例子。

“集成決策并不是新鮮事了，在日常中，這樣的體系使用得很頻繁，以至于這對(duì)于我們來(lái)說(shuō)可能是第二天性?！?/span>

— Page 1,?Ensemble Machine Learning, 2012.

在每種情況下，為了結(jié)果的有效性，這些低水平的決策需要具備一些特性，比如它們的獨(dú)立性以及每個(gè)決策的一定的有效性。

這種決策方法應(yīng)用很普遍，它有一個(gè)名字。

? ? ?

群體的智慧

這種基于群體的低水平?jīng)Q策來(lái)進(jìn)行最終決策的方法通常被稱為“群體的智慧”。

它是這樣的情況，即相對(duì)于群體中單個(gè)個(gè)體的決定，集合了群體中所有人的意見(jiàn)的結(jié)果通常更為準(zhǔn)確、有效、以及正確。

100多年前的一個(gè)著名的例子就是在英國(guó)普利茅斯的一個(gè)集市上舉行的一次估計(jì)公牛體重的比賽，每個(gè)人都做出了自己的猜測(cè)，猜測(cè)最接近實(shí)際體重的人贏得了肉。統(tǒng)計(jì)學(xué)家Francis Galton后來(lái)收集了所有猜測(cè)的數(shù)據(jù)并計(jì)算了平均值。

“他把所有參賽者的估測(cè)進(jìn)行了加和并計(jì)算了平均數(shù)。”你可以說(shuō)，這個(gè)數(shù)字代表了普利茅斯民眾的集體智慧。如果人群是一個(gè)人的話，它就能猜出這頭牛的重量。”

— Page xiii,?The Wisdom of Crowds, 2004.

?https://amzn.to/2UNOMll

他發(fā)現(xiàn)所有參賽者的猜測(cè)的平均值非常接近于真實(shí)的重量。也就是說(shuō)，統(tǒng)計(jì)800位參賽者估算重量的平均值是一種猜測(cè)公牛真實(shí)重量的準(zhǔn)確方法。

“群眾猜測(cè)，這頭牛在被屠宰和剝皮后，重1197磅。這頭牛被宰殺和剝皮后，重1198磅。換句話說(shuō)，群眾的判斷基本上是完美的?！?/span>

— Page xiii,?The Wisdom of Crowds, 2004.

這個(gè)例子是James Surowiecki’s 2004年出版的名叫?“The Wisdom of Crowds”??的書開(kāi)頭給出的，這本書探討了人類群體做出的決策和預(yù)測(cè)往往群體成員更好。

“這種智慧，或者我稱之為“群體智慧”，在世界上以許多不同的形式在發(fā)揮作用?！?/span>

— Page xiv,?The Wisdom of Crowds, 2004.

這本書促使人們?cè)谧鲋匾獩Q策時(shí)，借鑒來(lái)自群體的猜測(cè)、投票和意見(jiàn)，而不是僅僅向一個(gè)專家尋求咨詢。

“我們感到有必要去追逐專家“，但這本書認(rèn)為追逐專家是一個(gè)錯(cuò)誤，并且代價(jià)高昂。我們應(yīng)當(dāng)停止追逐，轉(zhuǎn)而問(wèn)問(wèn)大眾（當(dāng)然，既包括天才也包括普通人）。

— Page xv,?The Wisdom of Crowds, 2004.

Lior Rokach’s 2010年出版的名為?“Pattern Classification Using Ensemble Methods” 的書的第 22頁(yè)完美地總結(jié)了基于群體做出決策的系統(tǒng)的一些特性：

意見(jiàn)多樣性：每個(gè)人都應(yīng)該擁有私人的信息，即便是它只是對(duì)已知事實(shí)的一種古怪的解釋。
獨(dú)立性：每個(gè)人的意見(jiàn)并不受其他人的影響。
去中心化：每個(gè)人可以根據(jù)自身的知識(shí)進(jìn)行專門研究來(lái)得出結(jié)論。
集成化：存在一些機(jī)制可以把個(gè)體的判斷轉(zhuǎn)變?yōu)槿后w決策。

作為一個(gè)決策系統(tǒng)，這種方法并不總是最有效的（例如股市泡沫、時(shí)尚等），但在一些結(jié)果導(dǎo)向的不同領(lǐng)域中可能是有效的。

我們可以在應(yīng)用機(jī)器學(xué)習(xí)中使用這種方法來(lái)進(jìn)行決策。

? ? ? ?

集成機(jī)器學(xué)習(xí)

應(yīng)用機(jī)器學(xué)習(xí)通常包括基于數(shù)據(jù)集的模型擬合和模型效果評(píng)估。

由于我們無(wú)法提前預(yù)料到哪個(gè)模型在這個(gè)數(shù)據(jù)集上表現(xiàn)最好，因此在得到最優(yōu)模型前，我們可能會(huì)進(jìn)行許多的試錯(cuò)。

這類似通過(guò)追逐單一專家的決策方式。也許是我們可以找到的最好的專家。

另一種互補(bǔ)的方法是準(zhǔn)備多個(gè)不同的模型，并把它們的預(yù)測(cè)結(jié)果整合起來(lái)。這被稱為集成機(jī)器學(xué)習(xí)或者簡(jiǎn)單來(lái)講是集成，這種尋找表現(xiàn)好的集成模型的過(guò)程稱作集成學(xué)習(xí)。

“集成方法學(xué)模仿我們的第二天性，在做出關(guān)鍵決策之前先征求幾個(gè)意見(jiàn)?！?/span>

— Page vii,?Pattern Classification Using Ensemble Methods, 2010.

?https://amzn.to/2zxc0F7

這和尋求多位專家意見(jiàn)是相似的。

最常見(jiàn)的集成類型是訓(xùn)練同一機(jī)器學(xué)習(xí)模型的多個(gè)版本，以確保每個(gè)集成成員都是不同的（例如決策樹模型在訓(xùn)練集的不同子集上訓(xùn)練），然后使用平均值或投票法組合預(yù)測(cè)。

一種不太常見(jiàn)但同樣有效的方法是在相同的數(shù)據(jù)上訓(xùn)練不同的算法（例如決策樹、支持向量機(jī)和神經(jīng)網(wǎng)絡(luò)），并組合它們的預(yù)測(cè)。

就像在人群中綜合個(gè)體的觀點(diǎn)一樣，集成的有效性依賴于每個(gè)模型都具有某種特性（比隨機(jī)性更好），并且與其他模型具有一定的獨(dú)立性。后一點(diǎn)通常被解釋為集成中的成員模型都在不同的地方有不同于其他模型的優(yōu)勢(shì)。

希望集成后可以得到比任何一個(gè)有貢獻(xiàn)的模型更好的模型。

“核心原則是給予單獨(dú)的分類器一定權(quán)重，然后把它們組合起來(lái)以得到一個(gè)比任何單獨(dú)的分類器更好的分類器”

— Page vii,?Pattern Classification Using Ensemble Methods, 2010.

至少，集成的模型限制了最壞的情形出現(xiàn)，通過(guò)降低預(yù)測(cè)的波動(dòng)。通常隨著訓(xùn)練集的不同，模型的表現(xiàn)會(huì)發(fā)生變化，從而使得單一的模型的表現(xiàn)時(shí)好時(shí)壞。

“集成系統(tǒng)的目標(biāo)是通過(guò)創(chuàng)建幾個(gè)具有相對(duì)固定的或相似的偏差的分類器，然后結(jié)合它們的輸出，比如對(duì)輸出進(jìn)行平均以減小方差。”

— Page 2,?Ensemble Machine Learning, 2012.

集成可以減小方差，并且確保做出的預(yù)測(cè)更接近有貢獻(xiàn)的成員模型的平均表現(xiàn)。另外，預(yù)測(cè)方差的減小也導(dǎo)致了整體技能的提升，相比于維護(hù)單個(gè)模型，增加了擬合、維護(hù)多個(gè)模型的成本。

盡管集成模型方差更小，但并不一定模型效果會(huì)比任何成員模型更好。

“計(jì)算智能和機(jī)器學(xué)習(xí)社區(qū)的研究人員已經(jīng)研究了共享這種聯(lián)合決策過(guò)程的方案。這些方案通常被稱為集成學(xué)習(xí)，它可以減少分類器的方差，提高決策系統(tǒng)的魯棒性和準(zhǔn)確性?！?/span>

— Page v,?Ensemble Methods, 2012.

有的時(shí)候，表現(xiàn)最好的模型，類似于一個(gè)最好的專家，相比于其它模型已經(jīng)足夠優(yōu)秀的時(shí)候，把這個(gè)模型的預(yù)測(cè)和其他模型整合起來(lái)得到的結(jié)果，會(huì)比最好的那個(gè)模型要差。

因此，選擇模型，甚至是集成模型，仍然需要在健壯性的測(cè)試工具上進(jìn)行精心控制的實(shí)驗(yàn)。

? ? ?

擴(kuò)展閱讀

如果你想繼續(xù)研究，這個(gè)部分提供了一些相關(guān)資源。

書籍

The Wisdom of Crowds, 2004.
Pattern Classification Using Ensemble Methods, 2010.
Ensemble Methods, 2012.
Ensemble Machine Learning, 2012.

文章

Ensemble learning, Wikipedia.
Ensemble learning, Scholarpedia.
Wisdom of the crowd, Wikipedia.
The Wisdom of Crowds, Wikipedia.

? ? ? ?

總結(jié)

本文幫助你對(duì)集成學(xué)習(xí)建立了初步的了解。

其中，你可以學(xué)習(xí)到：

我們做的許多決定包含了其他人的意見(jiàn)或投票。
群體的決策優(yōu)于個(gè)體，被叫做群體的智慧。
集成機(jī)器學(xué)習(xí)是把多個(gè)成熟模型的預(yù)測(cè)結(jié)果組合起來(lái)。

原文鏈接：

https://machinelearningmastery.com/what-is-ensemble-learning/

點(diǎn)「在看」的人都變好看了哦！

国产秋霞理论久久久电影-婷婷色九月综合激情丁香-欧美在线观看乱妇视频-精品国avA久久久久久久-国产乱码精品一区二区三区亚洲人-欧美熟妇一区二区三区蜜桃视频

群體的智慧：集成學(xué)習(xí)入門介紹