- 博客(6)
- 收藏
- 关注
RSS订阅原创 机器学习算法（三）：基于LightGBM的分类预测
LightGBM是一种高效、快速、准确的机器学习算法，在处理大规模数据和解决分类问题时表现优异。在使用LightGBM时，需要注意调节参数、进行特征工程等步骤，以优化模型性能。
2024-05-10 15:18:51
255
原创 机器学习算法（二）：基于XGBoost的分类预测
XGBoost是一种强大的机器学习算法，具有高效性、准确性和鲁棒性等优点，在实际应用中被广泛使用。在使用XGBoost时，需要注意调节参数、进行特征工程等步骤，以优化模型性能。
2024-05-10 15:10:10
178
原创 机器学习算法（一）：基于逻辑回归分类预测
一，学习知识点概要逻辑回归是一种常用的机器学习算法，主要用于解决分类问题。它的原理比较简单，适用于二分类问题，即将样本分为两个类别。
2024-05-10 14:56:11
276
原创 AI训练营机器学习训练营
LightGBM采用迭代预测误差的方法串联。min_data_in_leaf 这是处理过拟合问题中一个非常重要的参数. 它的值取决于训练数据的样本个树和 num_leaves参数. 将其设置的较大可以避免生成一个过深的树, 但有可能导致欠拟合. 实际应用中, 对于大数据集, 设置其为几百或几千就足够了.。提出了带深度限制的 Leaf-wise 算法，抛弃了大多数GBDT工具使用的按层生长 (level-wise) 的决策树生长策略，而使用了带有深度限制的按叶子生长策略，可以降低误差，得到更好的精度。
2024-05-07 16:47:45
216
1
原创 AI训练营机器学习训练营
我们构建决策树1训练后预测为2600元，我们发现有400元的误差，那么决策树2的训练目标为400元，但决策树2的预测结果为350元，还存在50元的误差就交给第三棵树……在节点分裂时，只有分裂后损失函数的值下降了，才会分裂这个节点。这个参数的值越大，算法越保守。这个参数是用来控制XGBoost的正则化部分的。XGBoost的基模型是CART回归树，它有两个特点：（1）CART树，是一颗二叉树。减小这个参数的值，算法会更加保守，避免过拟合。用来控制树的每一级的每一次分裂，对列数的采样的占比。
2024-05-07 16:46:25
236
原创 AI训练营机器学习训练营
逻辑回归（Logistic regression，简称LR）虽然其中带有"回归"两个字，但逻辑回归其实是一个分类模型，逻辑回归最为突出的两点就是其模型简单和模型的可解释性强。模型清晰，有对应的概率学理论基础。逻辑回归从其原理上来说，逻辑回归其实是实现了一个决策边界：对于函数logi(z)=1/(1+e^(-z)),当z=>0时,y=>0.5,分类为1当z<0时, y<0.5,分类为0，其对应的y值我们可以视为类别1的概率预测值.对于模型的训练而言：实质上来说就是利用数据求解出对应的模型的特定的w。
2024-05-07 16:43:06
257
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人