- 博客(4)
- 收藏
- 关注
RSS订阅原创 ValueError: Classification metrics can‘t handle a mix of binary and multilabel-indicator targets
：它是在一个子节点中所需的所有观察权重之和的最小值。较高的值防止模型学习可能对特定样本选定的树高度特定的关系。这些参数中的每一个控制XGBoost算法的各个方面，影响其性能和行为。10. `scale_pos_weight`：它是负类权重与正类权重的比率。`：它指定要在树的叶节点上进行进一步分割所需的最小损失减少量。11. `num_class`：它指定问题中的类数。在这种情况下，设置为2。9. `nthread`：它指定用于运行XGBoost的并行线程数。：它指定要构建的提升轮数（或决策树）的数量。
2024-04-29 11:46:30
573
原创 LIME模型可解释
假设对于需要解释的黑盒模型，取关注的实例样本，在其附近进行扰动生成新的样本点，并得到黑盒模型的预测值，使用新的数据集训练可解释的模型（如线性回归、决策树），得到对黑盒模型良好的局部近似。随着深度学习的发展，越来越多的模型诞生，并且在训练集和测试集上的表现甚至于高于人类，但是深度学习一直被认为是一个黑盒模型，我们通俗的认为，经过训练后，机器学习到了数据中的特征，进而可以正确的预测结果，但是，对于机器到底学到了什么，仍然是个黑盒模型，我们迫切想要知道机器所学习到的特征，这就需要对模型的可解释性进行研究。
2024-04-29 11:20:00
1057
原创 fit_transform
解释：在Fit的基础上，进行标准化，降维，归一化等操作（看具体用的是哪个工具，如PCA，StandardScaler等）。解释：简单来说，就是求得训练集X的均值啊，方差啊，最大值啊，最小值，这些训练集X固有的属性。可以理解为一个训练过程。解释：fit_transform是fit和transform的组合，既包括了训练又包含了转换。的作用就是先拟合数据，然后转化它将其转化为标准形式。合并，一步到位的结果。
2023-06-25 16:32:07
2030
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