HeartbeatSignalsClassification
文章平均质量分 95
Emiya--_--Shirou
这个作者很懒,什么都没留下…
展开
-
【数据挖掘】HeartbeatSignalsClassification 学习笔记(四)——模型融合
模型融合 分类 模型融合大致有以下几种方式: 简单加权融合: 回归(分类概率):算术平均融合(Arithmetic mean),几何平均融合 分类:投票(Voting) 综合:排序融合(Rank averaging),log融合 stacking/blending: 构建多层模型,并利用预测结果再拟合预测 boosing/bagging(在xgboost,Adaboost, GBDT中已经用到) 多树的提升方法 Averaging 模型融合最粗暴的方法就是直接将多个模型的预测值取平均,原创 2021-03-28 23:33:10 · 213 阅读 · 0 评论 -
【数据挖掘】HeartbeatSignalsClassification 学习笔记(三)——建模与调参
相关模型学习 逻辑回归模型 决策树模型 GBDT模型 XGBoost模型 LightGBM模型 Catboost模型 时间序列模型 RNN LSTM 数据预处理 导入相关库 import pandas as pd import numpy as np from sklearn.metrics import f1_score import os import seaborn as sns import matplotlib.pyplot as plt import warnings warning原创 2021-03-25 21:14:09 · 315 阅读 · 0 评论