机器学习
文章平均质量分 85
金鸡湖最后的张万森
这个作者很懒,什么都没留下…
展开
-
bagging:随机森林
集成学习(Ensemble learning)是机器学习中最先进、最有效、最具研究价值的领域之一,这类方法会训练多个弱评估器(base estimators),并将它们输出的结果以某种方式结合起来解决一个问题。当代工业应用中,唯一能与深度学习算法分庭抗礼的算法;数据竞赛高分榜统治者,KDDcup、Kaggle、天池、DC冠军队御用算法;在搜索、推荐、广告等众多领域,事实上的工业标准和基准模型;任何机器学习/深度学习工作者都必须掌握其原理、熟读其思想的领域。原创 2023-12-26 13:45:59 · 680 阅读 · 1 评论 -
GBDT-代码
init。原创 2023-12-26 13:29:37 · 398 阅读 · 1 评论 -
GBDT分类树理论推导--全网最详细理论推导
参考:https://zhuanlan.zhihu.com/p/47185756https://zhuanlan.zhihu.com/p/494536555https://zhuanlan.zhihu.com/p/465921554https://zhuanlan.zhihu.com/p/91652813https://zhuanlan.zhihu.com/p/89614607GBDT用于分类的时候,并不是(像随机森林)用Gini或者熵的方式划分特征空间实现分类,由于需要拟合残差,GB原创 2023-12-26 13:26:07 · 428 阅读 · 1 评论 -
GBDT回归树理论推导--全网最详细理论推导
参考:https://zhuanlan.zhihu.com/p/47185756https://zhuanlan.zhihu.com/p/494536555https://zhuanlan.zhihu.com/p/465921554https://zhuanlan.zhihu.com/p/91652813https://zhuanlan.zhihu.com/p/89614607Boosting 思想Boosting模型可以抽象为一个前向加法模型(additive model):F(x;原创 2023-12-26 13:16:51 · 500 阅读 · 1 评论 -
XGBoost-代码
全网最详细剖析XGBoost代码,既有原生DMatrix,也有sklearn炼丹宝典原创 2023-12-19 20:56:59 · 1282 阅读 · 1 评论 -
XGBoost理论推导+论文解读-下篇
全网最详细的XGBoost推导+论文解读原创 2023-12-18 21:59:40 · 1148 阅读 · 1 评论 -
XGBoost理论推导+论文解读-上集
全网最详细的XGBoost推导+论文解读原创 2023-12-18 14:44:22 · 430 阅读 · 0 评论