![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
阿里天池
文章平均质量分 79
鹎鹎
这个作者很懒,什么都没留下…
展开
-
龙珠计划task4-阿里天池挖掘幸福感比赛
一、学习知识点概要 1.1 学习内容介绍 task4-阿里天池挖掘幸福感比赛: https://tianchi.aliyun.com/competition/entrance/231702/introduction 1.2 学习目标 通过问卷中的问题来获取一些人的个人情况等,从中提取重要因素用来判断幸福感。 工具:python3.7 1.3 代码流程 (1)数据预处理 (2)特征分析 (3)模型构建和结果预测 二、学习内容 数据预处理 mport pandas as pd import numpy as原创 2021-04-25 20:50:58 · 201 阅读 · 1 评论 -
重修-龙珠计划机器学习训练营task3-LightGBM学习笔记
文章标题:龙珠计划机器学习训练营task3-LightGBM学习笔记 一、学习知识点概要 LightGBM是2017年由微软推出的可扩展机器学习系统,是微软旗下DMKT的一个开源项目,由2014年首届阿里巴巴大数据竞赛获胜者之一柯国霖老师带领开发。它是一款基于GBDT(梯度提升决策树)算法的分布式梯度提升框架,为了满足缩短模型计算时间的需求,LightGBM的设计思路主要集中在减小数据对内存与计算性能的使用,以及减少多机器并行计算时的通讯代价。 LightGBM的主要优点: 简单易用。提供了主流的Pytho原创 2021-04-16 21:29:05 · 230 阅读 · 0 评论 -
重修-龙珠计划机器学习训练营task2-XGBoost part2学习笔记
一、学习知识点概要 基于天气数据集的XGBoost分类实战:掌握 XGBoost 的Python调用并将其运用到天气数据集预测。 二、学习内容 Part1 基于天气数据集的XGBoost分类实践 导入数据 !wget https://tianchi-media.oss-cn-beijing.aliyuncs.com/DSW/7XGBoost/train.csv Step1: 库函数导入 基础函数库 import numpy as np import pandas as pd 绘图函数库 import mat原创 2021-04-16 21:02:48 · 452 阅读 · 0 评论 -
龙珠计划机器学习训练营task2-XGBoost part1学习笔记
一、学习知识点概要 XGBoost 介绍:XGBoost并不是一种模型,而是一个可供用户轻松解决分类、回归或排序问题的软件包。它的内部实现了梯度提升树(GBDT)模型,并对模型中的算法进行了诸多优化,并对模型中的算法进行了诸多优化,在取得高精度的同时又保持了极快的速度。 优点: 简单易用。相对其他机器学习库,用户可以轻松使用XGBoost并获得相当不错的效果。 高效可扩展。在处理大规模数据集时速度快效果好,对内存等硬件资源要求不高。 鲁棒性强。相对于深度学习模型不需要精细调参便能取得接近的效果。 XGBoo原创 2021-04-14 21:10:53 · 92 阅读 · 0 评论 -
重修-龙珠计划机器学习训练营task1-part2学习笔记
文章标题:龙珠计划机器学习训练营task1-part2学习笔记 一、学习知识点概要 利用鸢花数据(iris)进行逻辑回归方法的训练,该数据集一共包含5个变量,其中4个特征变量,1个目标分类变量。共有150个样本,目标变量为 花的类别 其都属于鸢尾属下的三个亚属,分别是山鸢尾 (Iris-setosa),变色鸢尾(Iris-versicolor)和维吉尼亚鸢尾(Iris-virginica)。包含的三种鸢尾花的四个特征,分别是花萼长度(cm)、花萼宽度(cm)、花瓣长度(cm)、花瓣宽度(cm),这些形态特征原创 2021-04-13 20:47:15 · 149 阅读 · 0 评论 -
重修-龙珠计划机器学习训练营task1-part1学习笔记
文章标题:龙珠计划机器学习训练营task1-part1学习笔记 一、学习知识点概要 逻辑回归作为一个分类器模型,广泛应用于各个领域之中。 优点:模型简单和可解释性强,计算代价不高,速度快,存储资源低。 缺点:容易欠拟合,精度不高。 应用领域: (1)大多数医学领域和社会科学。例如,最初由Boyd 等人开发的创伤和损伤严重度评分(TRISS)被广泛用于预测受伤患者的死亡率,使用逻辑回归 基于观察到的患者特征(年龄,性别,体重指数,各种血液检查的结果等)分析预测发生特定疾病(例如糖尿病,冠心病)的风险。逻辑回归原创 2021-04-12 20:25:03 · 84 阅读 · 0 评论