![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
模型训练
RuDing
感觉会在程序媛的道路上越走越远(;′⌒`)
展开
-
机器学习-GridSearchCV自动调参,RF特征选择
主要思想:通过GridSearchCV算法进行特征的自动化筛选import numpy as npimport pandas as pdfrom time import strftimefrom sklearn.ensemble import RandomForestClassifierfrom sklearn.model_selection import GridSearchCVfro原创 2017-10-12 16:08:12 · 4752 阅读 · 0 评论 -
Gradient Boosting(GBM) 调参指南
译文:Complete Guide to Parameter Tuning in Gradient Boosting (GBM) in Python简介这边文章帮助大家去看看GBM的是如何真正工作的。原文受启发于 NYC Data Science Academy 与bagging 在模型中只控制高方差不同的是,Boosting 算法善于处理偏差(bias)方差(variance)问题(trade-翻译 2017-10-24 17:34:11 · 12670 阅读 · 2 评论 -
XGBoost算法原理简介及调参
译文:Complete Guide to Parameter Tuning in XGBoost简介当模型没有达到预期效果的时候,XGBoost就是数据科学家的最终武器。XGboost是一个高度复杂的算法,有足够的能力去学习数据的各种各样的不规则特征。用XGBoost建模很简单,但是提升XGBoost的模型效果却需要很多的努力。因为这个算法使用了多维的参数。为了提升模型效果,调参就不可翻译 2017-10-24 13:59:22 · 21680 阅读 · 5 评论