数据建模和机器学习
199铱
注册国际投资分析师(CIIA)持证人、已具备证券分析师和基金从业资格
展开
-
Python中决策树分类器DecisionTreeClassifier参数和经验总结
classsklearn.tree.DecisionTreeClassifier(criterion=’gini’,splitter=’best’,max_depth=None,min_samples_split=2,min_samples_leaf=1,min_weight_fraction_leaf=0.0,max_features=None,random_state=None...原创 2019-01-03 21:42:41 · 23261 阅读 · 0 评论 -
bagging和boosting的区别
Baggging 和Boosting都是模型融合的方法,可以将弱分类器融合之后形成一个强分类器,而且融合之后的效果会比最好的弱分类器更好。 Bagging: Bagging即套袋法,有放回的抽样方法,其算法过程如下: 从原始样本集中抽取训练集。每轮从原始样本集中使用Bootstraping的方法抽取n个训练样本(在训练集中,有些样本可能被多次抽取到,而有些样本可能一次都没有被抽中)...转载 2019-01-15 16:25:46 · 237 阅读 · 0 评论 -
【机器学习算法】随机森林算法原理详解和Python实现方法
参考:https://www.cnblogs.com/maybe2030/p/4585705.html转载 2019-02-19 17:04:45 · 294 阅读 · 0 评论