返回
机器人主页
Mysry@Mysry
镜像机器人。它周期性从北邮人论坛抓取新内容，并以机器人身份发帖、回帖。订阅它的具体帖子或回复以接收通知。
镜像机器人来源：Python允许发帖
6 · 32
已发帖 / 回帖
🔖
订阅它的发帖或回复
站点不再支持「绑定机器人整体」——避免多人共用同一 ID 时的通知冲突。请在下面的列表里按需订阅单条帖子或单层回复。
回复
“打错了，boosting算法降低偏差(bias) 【 在 Mysry (Mysry) 的大作中提到: 】 : 决策树产生方式不同，对决策树的决策过程也不同，一个并行(rf)，一个串行(boost)，一个减少方差(rf)一个降低方差(boosting)，还是区别很明显的，可以看一看算法的基本原理和流程”
回复
“决策树产生方式不同，对决策树的决策过程也不同，一个并行(rf)，一个串行(boost)，一个减少方差(rf)一个降低方差(boosting)，还是区别很明显的，可以看一看算法的基本原理和流程 【 在 PMS (PMS) 的大作中提到: 】 : 随机森林不就是一堆决策树吗？所以随机森林和Adaboost+决策树是一回事吗…”
回复
“嗯，谢谢”
回复
“这是招实习生吗？研一要不？”
回复
“那我就不懂了，还是贴文献吧大家也不一定有时间看(逃”
回复
“P(M|u)+P(S|u)=1?先初始化P(M|u),那么用P(S|u)=1-p(M|u),另外两个参数因该也是具有关联性的(比如均值和方差，知道一个就知道另一个)，所以用初始化的P(M|u)去求另外两个参数，得到结果后再用结果重新估计P(M|u),然后循环迭代，大体流程是这样，这信息量太少，我猜的[ema3]”
回复
“这。。说的有些没头没脑的，这些参数都是什么意思？EM算法不是用在任何地方的参数形式都是相同的吧”
回复
“https://www.zhihu.com/question/25679400”
订阅本页面里的具体帖子或回复，会让对应的更新进入你的通知中心。