生成对抗网络维基百科，自由的百科全书跳到导航跳到搜索生成对抗网络（英语：GenerativeAdversarialNetwork，简称GAN）是非监督式学习的一种方法，通过让两个神经网络相互博弈的方式进行学习。该方法由伊恩·古德费洛等人于2014年提出。[1]生成对抗网络由一个生成网络与一个判别网络组成。生成网络从潜在空间（latentspace）中随机取样作为输入，其输出结果需要尽量模仿训练集中的真实样本。判别网络的输入则为真实样本或生成网络的输出，其目的是将生成网络的输出从真实样本中尽可能分…
梯度提升技术维基百科，自由的百科全书跳到导航跳到搜索梯度提升（梯度增强）是一种用于回归和分类问题的机器学习技术，其产生的预测模型是弱预测模型的集成，如采用典型的决策树作为弱预测模型，这时则为梯度提升树（GBT或GBDT）。像其他提升方法一样，它以分阶段的方式构建模型，但它通过允许对任意可微分损失函数进行优化作为对一般提升方法的推广。梯度提升的思想源自LeoBreiman的一个观察：即可以将提升方法解释为针对适当成本函数的优化算法。[1]显式回归梯度增强算法随后由JeromeH.Friedman[…
