gcForest算法原理及Python实现
1.背景介绍 从目前来看深度学习大多建立在多层的神经网络基础上,也即一些参数化的多层可微的非线性模块,这样就可以通过后向传播去训练,Zhi-Hua Zhou和Ji Feng在Deep Forest论文中基于不可微的模块建立深度模块,这就是gcForest。 传统的深度学习有一定的弊端: ●超参数个数较多,训练前需要大量初始化,主要靠经验调整,使得DNN更像一门艺术而非科学; ●DNN的训练要求大量的训练数据,数据的标注成本太高; ●DNN是一个黑盒子,训练的结果很难去解释描述,并且学习行为很难用理论去分析解释; ●DNN在训练之前就得确定具体的网络结构,模型的复杂度也是提前设定好的,虽然有一些dropout等的技术。 但是有一点是我们相信的,在处理更复杂的学习问题时,算法的学习模块应该要变的更深,现在的深层网络结构依旧依
