模型融合算法的研究及应用
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第13-17页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-15页 |
| 1.3 本文的研究内容 | 第15页 |
| 1.4 论文内容和组织结构 | 第15-17页 |
| 第2章 机器学习与集成学习 | 第17-27页 |
| 2.1 机器学习 | 第17-22页 |
| 2.1.1 机器学习模型与定义 | 第17-18页 |
| 2.1.2 损失函数 | 第18-19页 |
| 2.1.3 经验风险与结构风险 | 第19-21页 |
| 2.1.4 正则化与交叉验证 | 第21-22页 |
| 2.1.5 机器学习一般流程 | 第22页 |
| 2.2 集成学习与模型融合 | 第22-27页 |
| 2.2.1 集成学习概述 | 第22-24页 |
| 2.2.2 有差异的学习器的构建 | 第24-25页 |
| 2.2.3 常见集成学习方法 | 第25页 |
| 2.2.4 模型融合 | 第25-27页 |
| 第3章 逻辑回归模型 | 第27-32页 |
| 3.1 逻辑回归基础 | 第27-31页 |
| 3.1.1 逻辑分布 | 第27-28页 |
| 3.1.2 二项逻辑回归模型 | 第28-29页 |
| 3.1.3 模型参数估计 | 第29-30页 |
| 3.1.4 逻辑回归优化求解 | 第30页 |
| 3.1.5 多项逻辑回归 | 第30-31页 |
| 3.2 逻辑回归的一般过程 | 第31-32页 |
| 第4章 基于逻辑回归的二层模型融合算法 | 第32-37页 |
| 4.1 二层模型融合 | 第32页 |
| 4.2 基于逻辑回归的二层模型融合算法 | 第32-37页 |
| 4.2.1 算法思想 | 第33页 |
| 4.2.2 算法中相关符号的说明 | 第33-35页 |
| 4.2.3 算法步骤 | 第35-37页 |
| 第5章 实验与分析 | 第37-46页 |
| 5.1 实验环境 | 第37页 |
| 5.2 实验过程 | 第37-41页 |
| 5.2.1 数据预处理 | 第37-38页 |
| 5.2.2 特征提取 | 第38-39页 |
| 5.2.3 算法应用 | 第39页 |
| 5.2.4 评价指标 | 第39-41页 |
| 5.3 实验结果与分析 | 第41-45页 |
| 5.3.1 预测准确率分析 | 第41-44页 |
| 5.3.2 时间效率分析 | 第44-45页 |
| 5.4 实验小结 | 第45-46页 |
| 第6章 总结与展望 | 第46-48页 |
| 6.1 总结 | 第46页 |
| 6.2 展望 | 第46-48页 |
| 参考文献 | 第48-52页 |
| 致谢 | 第52页 |
