机器学习算法GBDT的面试要点总结

 向AI转型的程序员都关注了这个号???

大数据挖掘DT数据分析  公众号： datadw

def findLossAndSplit(x,y):

    # 我们用 x 来表示训练数据

    # 我们用 y 来表示训练数据的label

    # x[i]表示训练数据的第i个特征

    # x_i 表示第i个训练样本

    # minLoss 表示最小的损失

    minLoss = Integet.max_value

    # feature 表示是训练的数据第几纬度的特征

    feature = 0

    # split 表示切分点的个数

    split = 0

    # M 表示 样本x的特征个数

    for j in range(0,M):

        # 该维特征下，特征值的每个切分点，这里具体的切分方式可以自己定义

        for c in range(0,x[j]):

            L = 0

            # 第一类

            R1 = {x|x[j] <= c}

            # 第二类

            R2 = {x|x[j] > c}

            # 属于第一类样本的y值的平均值

            y1 = ave{y|x 属于 R1}

            # 属于第二类样本的y值的平均值

            y2 = ave{y| x 属于 R2}

            # 遍历所有的样本，找到 loss funtion 的值

            for x_1 in all x

                if x_1 属于 R1： 

                    L += (y_1 - y1)^2 

                else:

                    L += (y_1 - y2)^2

            if L < minLoss:

               minLoss = L

               feature  = i

               split = c

    return minLoss,feature ,split

# 定义训练数据

train_data = [[5.1,3.5,1.4,0.2],[4.9,3.0,1.4,0.2],[7.0,3.2,4.7,1.4],[6.4,3.2,4.5,1.5],[6.3,3.3,6.0,2.5],[5.8,2.7,5.1,1.9]]

# 定义label

label_data = [[1,0,0],[1,0,0],[0,1,0],[0,1,0],[0,0,1],[0,0,1]]

# index 表示的第几类

def findBestLossAndSplit(train_data,label_data,index):

        sample_numbers = len(label_data)

        feature_numbers = len(train_data[0])

        current_label = []

        # define the minLoss

        minLoss = 10000000

        # feature represents the dimensions of the feature

        feature = 0

        # split represents the detail split value

        split = 0

        # get current label

        for label_index in range(0,len(label_data)):

            current_label.append(label_data[label_index][index])

        # trans all features

        for feature_index in range(0,feature_numbers):

            ## current feature value

            current_value = []

            for sample_index in range(0,sample_numbers):

                current_value.append(train_data[sample_index][feature_index])

            L = 0

            ## different split value

            print current_value

            for index in range(0,len(current_value)):

                R1 = []

                R2 = []

                y1 = 0

                y2 = 0

                for index_1 in range(0,len(current_value)):

                    if current_value[index_1] < current_value[index]:

                        R1.append(index_1)

                    else:

                        R2.append(index_1)

                ## calculate the samples for first class

                sum_y = 0

                for index_R1 in R1:

                    sum_y += current_label[index_R1]

                if len(R1) != 0:

                    y1 = float(sum_y) / float(len(R1))

                else:

                    y1 = 0

                ## calculate the samples for second class

                sum_y = 0

                for index_R2 in R2:

                    sum_y += current_label[index_R2]

                if len(R2) != 0:

                    y2 = float(sum_y) / float(len(R2))

                else:

                    y2 = 0

                ## trans all samples to find minium loss and best split

                for index_2 in range(0,len(current_value)):

                    if index_2 in R1:

                        L += float((current_label[index_2]-y1))*float((current_label[index_2]-y1))

                    else:

                        L += float((current_label[index_2]-y2))*float((current_label[index_2]-y2))

                if L < minLoss:

                    feature = feature_index

                    split = current_value[index]

                    minLoss = L

                    print "minLoss"

                    print minLoss

                    print "split"

                    print split

                    print "feature"

                    print feature

        return minLoss,split,feature

findBestLossAndSplit(train_data,label_data,0)

3 总结

目前，我们总结了 gbdt 的算法的流程，gbdt如何选择特征，如何产生特征的组合，以及gbdt 如何用于分类，这个目前可以认为是gbdt 最经常问到的四个部分。至于剩余的问题，因为篇幅的问题，我们准备再开一个篇幅来进行总结。

https://www.cnblogs.com/ModifyRong/p/7744987.html

人工智能大数据与深度学习

搜索添加微信公众号：weic2c

长按图片，识别二维码，点关注

---

大数据挖掘DT数据分析

搜索添加微信公众号：datadw

教你机器学习，教你数据挖掘

长按图片，识别二维码，点关注