![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
依旧如初^_^
这个作者很懒,什么都没留下…
展开
-
决策树的集成
决策树的集成集成方法随机森林GBDT总结集成方法决策树模型简单明了,但是单独使用效果并不理想,通过某种方式将多个决策树组合起来,使用它们的’‘集体智慧’‘来解决问题。成为’‘集成方法’‘(ensemble method),可以分为两类:平均方法(averaging method)和提升方法(boosting methods),对应的模型是随机森林和GBDT。随机森林随机森林由n个决策树组...原创 2019-04-04 21:08:05 · 546 阅读 · 0 评论 -
统计学基础(一)
统计学基础(一)概率随机变量和概率分布概率分布的性质总结概率概率用来描述一个事件发生的可能性,具有非负性、归一性、可加性。随机变量和概率分布随机变量若一个变量每一次实现均对应一个概率,那么称该变量成为随机变量。若随机变量的值是可数集的元素,则称该变量离散型随机变量。若随机变量可取连续的值,则称该随机变量为连续型随机变量。概率分布概率分布是描述一个随机变量的任意实现值和概率的对应关系...原创 2019-04-04 21:44:05 · 255 阅读 · 0 评论 -
XGBoost
XGBoostXGBoost 基本概念XGBoost 的特别之处XGBoost 基本概念XGBoost:extreme Gradient BoostingXGBoost 的特别之处正则化 以"正则化提升著称"标准GBM的实现没有显式的正则化步骤正则化对减少过拟合有帮助并行处理,相比GBM有了速度的飞跃借助openMP,自动利用单机cpu的多核进行并行计算支持GPU加...原创 2019-04-10 21:57:22 · 159 阅读 · 0 评论