- 博客(5)
- 收藏
- 关注
RSS订阅原创 梯度提升类（Gradient Boosting）方法的总结
基于boosting集成的加法模型，训练时采用前向分布算法进行贪婪学习，每次迭代学习一棵树来拟合前棵树的预测结果与真值的残差。通过叶子节点的权重及实例映射到叶子节点的索引函数来定义树。令其中，固定一较大的学习率（如lr=0.1），进行n_estimators调优；固定学习率和n_estimators，对树的参数进行调优：步骤类型参数名称1树的深度、节点分裂的限制2叶子节点限制3行/列采样(正则化参数alpha、lambda调优)降低学习率，确定理想参数。
2024-07-12 17:52:39
716
原创 Python基础问题（面试/实践）
元素序列很长或需要数值运算，采用数组；元素序列很短且不需要数值计算，采用列表。元组是静态数组，一旦创建无法改变，存储更高效。
2024-07-11 20:57:25
226
原创 基于Pytorch+Seq2Seq实现一元多步时间序列预测（保姆级教程以及对时间序列预测的相关思考）
序列到序列模型，也称encoder-decoder模型。其中Seq2Seq（序列到序列），强调目的，将输入序列转化为输出序列；Encoder-Decoder（编码器-解码器），强调模型实现的方法。1）Encoder部分：将输入序列转化为固定长度的上下文向量；在每个时间步，读入输入序列的一个元素，并更新隐藏层状态，并将最终的隐藏层状态或其变换作为上下文向量。2）Decoder部分：将上下文向量转化为输出序列；在每个时间步，基于上一时间步的输出、隐藏层状态、上下文向量来生成当前时间步的输出；
2024-07-02 22:47:00
754
原创 基于Pytorch+LSTM实现一元单步时间序列预测（保姆级教程）
基于Pytorch+LSTM实现一元单步时间序列预测的保姆级教程，涵盖模型如何搭建、数据如何加载以及模型训练等相关技巧，更是包含各部分的详细代码！
2024-06-17 23:15:28
2420
原创 统计学习方法笔记
统计学习方法笔记统计学习与监督学习理论统计（机器）学习统计学习方法三要素功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入统计学习与监督学习理论你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用
2021-05-31 11:13:37
75
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