机器学习
文章平均质量分 84
Xtyscut
这个作者很懒,什么都没留下…
展开
-
机器学习模型评估指标
本文主要解释一些关于机器学习模型评价的主要概念,与评价中可能会遇到的一些陷阱。如训练集-验证集二划分校验(Hold-out validation)、交叉校验(Cross-validation)、超参数调优(hyperparameter tuning)等。这三个术语都是从不同的层次对机器学习模型进行校验。Hold-out validation与Cross-validation是将模型能够更好得对将来的数据(unseen data)进行拟合而采用的方法。Hyperparameter tuning是一种模型选择方转载 2017-12-04 19:09:11 · 5964 阅读 · 0 评论 -
LightGBM原理解读及核心参数解释
LightGBM原理解读LightGBM是现在数据挖掘比赛中的大杀器,效果甚至优于一些深度网络模型,而且参数相比神经网络更方便调整。下面就根据LGB的文本来解释一下LighGBM的原理。在笔者看来,LightGBM的改进大部分是基于计算、运行效率上的改进,使GBDT类模型的性能更快,LGB主要针对数据并行和特征并行进行了优化,大大提升了模型的效率。下面就来意义解读。传统GBDT方法的缺点传...原创 2019-03-14 11:16:57 · 5047 阅读 · 0 评论 -
深入理解FFM原理与实践
美团点评团队关于FM和FFM的经典好文,可惜现在找不到他那篇文章的原出处了,转载保存下来,大家也可以看看。 FM和FFM模型是最近几年提出的模型,凭借其在数据量比较大并且特征稀疏的情况下,仍然能够得到优秀的性能和效果的特性,屡次在各大公司举办的CTR预估比赛中获得不错的战绩。美团点评技术团队...转载 2019-04-11 09:32:58 · 1108 阅读 · 0 评论