- 博客(2)
- 收藏
- 关注
原创 基于BML CodeLab的电力需求预测#Datawhale AI 夏令营 #Task2打卡
经过这次预测模型的学习与实践,我深刻体会到了机器学习,特别是LightGBM这一高效梯度提升框架在解决回归与分类问题中的强大能力。理论基础:首先,我巩固了梯度提升算法的基本原理,理解了它是如何通过迭代地构建弱学习器(通常是决策树)来逐步逼近目标函数的。LightGBM作为GBDT的一个高效实现,通过直方图算法、GOSS和EFB等优化技术,显著提升了模型的训练速度和预测性能。数据处理:数据处理是机器学习项目中至关重要的一环。
2024-07-21 10:23:34
663
原创 深度学习方案尝试电力需求预测优化#Datawhale AI 夏令营 #Task3打卡
经过这次预测模型的学习与实践,我深刻体会到了机器学习,特别是LightGBM这一高效梯度提升框架在解决回归与分类问题中的强大能力。理论基础:首先,我巩固了梯度提升算法的基本原理,理解了它是如何通过迭代地构建弱学习器(通常是决策树)来逐步逼近目标函数的。LightGBM作为GBDT的一个高效实现,通过直方图算法、GOSS和EFB等优化技术,显著提升了模型的训练速度和预测性能。数据处理:数据处理是机器学习项目中至关重要的一环。
2024-07-16 16:05:25
1027
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人