- 博客(14)
- 收藏
- 关注
RSS订阅原创 机器学习task2
一、XGBoost1.1 XGBoost介绍XGBoost是2016年由华盛顿大学陈天奇老师带领开发的一个可扩展机器学习系统。严格意义上讲XGBoost并不是一种模型，而是一个可供用户轻松解决分类、回归或排序问题的软件包。 它内部实现了梯度提升树(GBDT)模型，并对模型中的算法进行了诸多优化，在取得高精度的同时又保持了极快的速度，在一段时间内成为了国内外数据挖掘、机器学习领域中的大规模杀伤性武器。更重要的是，XGBoost在系统优化和机器学习原理方面都进行了深入的考虑。毫不夸张的讲，XGBoost
2022-04-30 22:00:05
282
原创 机器学习task1
一 逻辑回归 原理简介：Logistic回归虽然名字里带“回归”，但是它实际上是一种分类方法，主要用于两分类问题（即输出只有两种，分别代表两个类别）二 程序函数from sklearn.linear_model import LogisticRegression # 导入1lr_clf = LogisticRegression() # 调用-----逻辑回归模型1#用逻辑回归模型----拟合----构造的数据集，x_fearures为输入特征，y_label为预测的类别。 其-...
2022-04-30 21:57:38
106
原创 阿里天池Python训练营task4
列表定义类别，list，语法为 [元素1, 元素2, ..., 元素n]有序集合没有固定大小能够保存任意数量任意类型python对象创建方法普通列表range() 创建列表推导式创建列表混合列表空列表添加元素append 方法list.append 在列表末尾添加新的对象，只接受一个参数，参数可以是任何数据类型，被追加的元素在 list 中保持着原结构类型extend 方法list.extend(seq) 在列表末尾一次性追加另一个序列中的多个值（用新..
2022-04-30 21:22:59
173
原创 阿里天池Python训练营task3
函数函数参数位置参数：arg1，这些参数在调用函数 (call function) 时位置要固定。默认参数：arg2，调用函数时，默认参数的值如果没有传入，则被认为是默认值。默认参数一定要放在位置参数 后面，不然程序会报错。可变参数：*args，可以是从零个到任意个，自动组装成元组。加了星号（*）的变量名会存放所有未命名的变量参数。命名关键字参数：*, nkw，限制关键字参数的名字时使用。要特别注意调用时不能缺少参数名。关键字参数：**kwargs，可以是从零个到任意个，自动组装成字
2022-04-30 21:20:39
82
原创 阿里天池Python训练营task2
列表简单数据类型整型<class 'int'>浮点型<class 'float'>布尔型<class 'bool'>容器数据类型列表<class 'list'>元组<class 'tuple'>字典<class 'dict'>集合<class 'set'>字符串<class 'str'>列表是有序集合，没有固定大小，能够保存任意数量任意类型的 Python 对象，语法为 [元素1, 元素
2022-04-30 21:17:51
76
原创 阿里天池-Python训练营task1
一、数据类型1.数据类型与转换保留浮点型小数点后n位，可以用decimal包里的Decimal对象和getcontext()方法实现,默认精度值是28位（prec=28)import decimalfrom decimal import Decimal#默认是28位a=decimal.getcontext()print(a)#Context(prec=28, rounding=ROUND_HALF_EVEN, Emin=-999999, Emax=999999, capitals=1,.
2022-04-30 21:14:13
124
原创 阿里云天池机器学习训练营任务四
通过设置 bagging_fraction 和 bagging_freq 参数来使用 bagging 方法。通过设置 feature_fraction 参数来使用特征的子抽样。选择较小的 max_bin 参数。使用 save_binary 在未来的学习过程对数据加载进行加速。2.4.1.3 针对准确率的参数调整使用较大的 max_bin （学习速度可能变慢）使用较小的 learning_rate 和较大的 num_iterations使用较大的 num_leaves （可能导致过
2022-03-31 09:45:10
119
原创 阿里云天池机器学习训练营任务三
LightGBM是2017年由微软推出的可扩展机器学习系统，是微软旗下DMKT的一个开源项目，由2014年首届阿里巴巴大数据竞赛获胜者之一柯国霖老师带领开发。它是一款基于GBDT（梯度提升决策树）算法的分布式梯度提升框架，为了满足缩短模型计算时间的需求，LightGBM的设计思路主要集中在减小数据对内存与计算性能的使用，以及减少多机器并行计算时的通讯代价。LightGBM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。正如其名字中的Li
2022-03-31 09:43:42
57
原创 阿里云天池机器学习训练营任务二
XGBoost是2016年由华盛顿大学陈天奇老师带领开发的一个可扩展机器学习系统。严格意义上讲XGBoost并不是一种模型，而是一个可供用户轻松解决分类、回归或排序问题的软件包。它内部实现了梯度提升树(GBDT)模型，并对模型中的算法进行了诸多优化，在取得高精度的同时又保持了极快的速度，在一段时间内成为了国内外数据挖掘、机器学习领域中的大规模杀伤性武器。更重要的是，XGBoost在系统优化和机器学习原理方面都进行了深入的考虑。毫不夸张的讲，XGBoost提供的可扩展性，可移植性与准确性推动了机器学习计算
2022-03-31 09:42:12
50
原创 阿里云天池机器学习训练营任务一
机器学习算法（一）: 基于逻辑回归的分类预测1 逻辑回归的介绍和应用1.1 逻辑回归的介绍逻辑回归（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，并且广泛应用于各个领域之中。虽然现在深度学习相对于这些传统方法更为火热，但实则这些传统方法由于其独特的优势依然广泛应用于各个领域中。而对于逻辑回归而且，最为突出的两点就是其模型简单和模型的可解释性强。逻辑回归模型的优劣势:优点：实现简单，易于理解和实现；计算代价不高，速度很快，存
2022-03-31 09:40:17
40
原创 阿里云天池Python训练营任务四
训练和验证集的划分划分训练和验证集的原因是为了在线下验证模型参数的好坏，为了完全模拟测试集，我们这里就在训练集中抽取部分用户的所有信息来作为验证集。提前做训练验证集划分的好处就是可以分解制作排序特征时的压力，一次性做整个数据集的排序特征可能时间会比较长。1# all_click_df指的是训练集2# sample_user_nums 采样作为验证集的用户数量3def trn_val_split(all_click_df, sample_user_nums):4
2022-03-31 09:34:54
50
原创 阿里云天池Python训练营任务三
Python入门(下) 简介 函数1. 函数的定义2. 函数的调用3. 函数文档4. 函数参数5. 函数的返回值6. 变量作用域 Lambda-表达式1. 匿名函数的定义2. 匿名函数的应用 类与对象1. 属性和方法组成对象2. self是什么？3. Python的魔法方法4. 公有和私有5. 继承6. 组合7. 类、类对象和实例对象8. 什么是绑定？9. 一些相关的内置函数（BIF） 魔法方法1. 基本的魔法方法2. 算术运算符3. 反算术运算符4. 增量赋值
2022-03-31 09:32:44
41
原创 阿里云天池Python训练营任务二
Python入门(中) 简介 列表1. 列表的定义2. 列表的创建3. 向列表中添加元素4. 删除列表中的元素5. 获取列表中的元素6. 列表的常用操作符7. 列表的其它方法 元组1. 创建和访问一个元组2. 更新和删除一个元组3. 元组相关的操作符4. 内置方法5. 解压元组 字符串1. 字符串的定义2. 字符串的切片与拼接3. 字符串的常用内置方法4. 字符串格式化 字典1. 可变类型与不可变类型2. 字典的定义3. 创建和访问字典4. 字典的内置方法
2022-03-31 09:29:53
116
原创 阿里云天池Python训练营任务一
【例子】单行注释1# 这是一个注释2print("Hello world")34# Hello worldHello world''' ''' 或者 """ """ 表示区间注释，在三引号之间的所有内容被注释【例子】多行注释1'''2这是多行注释，用三个单引号3这是多行注释，用三个单引号4这是多行注释，用三个单引号5'''6print("Hello china")7# Hello china89.
2022-03-31 09:24:59
69
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