自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(3)
  • 收藏
  • 关注

原创 机器学习训练营LightGBM学习笔记

学习知识点概要1.LightGBM2.LightGBM的实现学习内容1.LightGBMLightGBM可以看作是XGBoost的升级豪华版,在获得与XGBoost近似精度的同时,又提供了更快的训练速度与更少的内存消耗。其优缺点和XGBoost相似LightGBM底层实现了GBDT算法,并且添加了一系列的新特性:基于直方图算法进行优化,使数据存储更加方便、运算更快、鲁棒性强、模型更加稳定等。 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

2021-12-02 17:38:18 1250

原创 机器学习训练营XGBoost学习笔记

学习知识点概要1. 什么是XGBoost2. 如何用XGBoost实现分类学习内容1.XGBoost对GBDT算法的整合包,并行运行决策树,鲁棒性强XGBoost的主要缺点:相对于深度学习模型无法对时空位置建模,不能很好地捕获图像、语音、文本等高维数据。 在拥有海量训练数据,并能找到合适的深度学习模型时,深度学习的精度可以遥遥领先XGBoost。这里特别注意其在特征工程中也有很大作用2.分类填补缺失值对离散变量编码[0,len(X)-1],这里将地区转化为数字表示

2021-12-02 13:55:10 1446

原创 机器学习训练营逻辑回归分类预测学习笔记

# 1.学习知识点概要1.1 逻辑回归1.2 python的逻辑回归实现# 2.学习内容主要学习了逻辑回归的基本公式和概念,然后实践了逻辑回归的简单应用(以iris数据库为例子)。内容比较简单之前都有接触过。### 逻辑回归(LR)Logistic回归是一种分类方法,主要用于两分类问题(binary problem),所以利用了Logistic函数(或称为Sigmoid函数),函数形式为:$$logi(z)=\frac{1}{1+e^{-z}}$$Logistic 函数是单..

2021-12-01 17:52:09 1099

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

提示
确定要删除当前文章?
取消 删除