![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
ML
文章平均质量分 94
wwqauznii
这个作者很懒,什么都没留下…
展开
-
Ensemble算法之GreedyEnsemble
前言我们常说三个臭皮匠顶个诸葛亮,在机器学习领域中将这个理念应用到极致的技术是boosting,将N多的弱分类器组合到一起,达到一个强分类器的效果,主流代表的算法就是xgboost,当然对于这种集成的思想,还有另外一个技术叫做ensemble,我们通过训练出不同算法的最优单模型,然后综合这些单模型的投票结果,输出最终结果。一般来说,ensemble技术主要有两个好处,可以进一步提升模型的性能可以有效降低单模型过拟合的风险本文将介绍一种非常高效的ensemble算法,-GreedyEnsembl原创 2021-12-08 17:52:56 · 670 阅读 · 0 评论 -
机器学习中的早停策略
前言在做机器学习模型调优的时候,往往会通过一系列的操作去提升调优效率,其中有一种技术就是合理运用早停策略。关于数据集:本文直接使用kaggle的数据集,你可以直接点击链接下载。一、入门1.验证集性能和迭代次数的关系我们这里选用lightgbm算法作为演示,随机选择了一些参数值,然后设置n_estimators=1000,接下来我们来看一下验证集的性能和n_estimators的关系。data = pd.read_csv('..\resource\data.csv',index_col=0)Y原创 2021-11-25 17:57:15 · 1994 阅读 · 2 评论 -
机器学习中如何处理非数值型的特征
前言传统的机器算法一般处理的是结构化数据,而结构化数据中往往包含以下几种类别:传统的机器学习算法SVM,LR,lightgbm,xgboost等结构化数据类别Categorical,类别型变量Numeric,连续型变量Datetime,时间型时间变量Timestamp, 时间戳型时间变量(本文不做讨论)Longitude and latitude, 经纬度类型变量(本文不做讨论)一、类别型变量通常来说,传统的机器学习算法只能应对于连续型变量,也就是我们常说的全是数字的数据集,那原创 2021-11-25 14:29:28 · 4145 阅读 · 0 评论 -
机器学习之如何处理缺失值(missing value)
机器学习之如何处理缺失值备注:本次数据来源于kaggle,详情请戳here文章目录机器学习之如何处理缺失值一、介绍二、缺失值分布1. null值对每个feaure的影响2.读入数据总结一、介绍本EDA(Exploratory Data Analysis)的目的是为了探索数据集中的缺失值信息,旨在通过掌握缺失值的分布情况等信息,从而找到一种合适的方法填充缺失值,让模型有更好的性能。二、缺失值分布让我们来看一下null值在数据集中是如何分布的,明白了null值的分布规律在特征工程中是非常有用翻译 2021-09-23 18:13:20 · 2768 阅读 · 0 评论