机器学习
文章平均质量分 94
猛狗哭泣
这个作者很懒,什么都没留下…
展开
-
机器学习实战案例:使用随机森林/XGBoost等模型进行分类预测,提高银行营销活动效率
1. 项目背景介绍在这篇文章中,我们将使用 Python 搭建逻辑回归(Logistic Regression),随机森林(Random Forest),XGBoosting,Bagging,KNN (K-Nearest Neighbors) ,神经网络(Neural Network)等6种机器学习/深度学习模型,对某个银行的营销活动数据集进行分类预测,尝试找出那些潜在客户。银行通常会打电话给一些潜在客户来销售一些存款/投资产品,这些投资产品会使银行获得更多利润以及资金的灵活性,因此银行希望能定位那些会原创 2021-12-29 23:33:55 · 8319 阅读 · 2 评论 -
R & Python 中XGBoosting用法、易错点、调参方法及重要参数介绍
由于网上关于XGBoosting的资料繁杂冗余,查阅使用起来较为不便,因此怀着“整理资料,以供备忘”的目的写下本文,部分为原创,部分为整理公开资料,并且会持续更新关于XGBoosting的介绍和原理就不赘述来重复造轮子了,网上有各种清晰易懂的教程,之后有时间我可能会整理一版,至于Boosting的地位可以简单总结,就是目前几乎各大机器学习比赛的天梯池就是Boosting和Deep learning互相打,很少别的模型了。XGBoosting用法、易错点、调参方法及参数介绍官方文档调参方法1. GridS原创 2020-08-20 11:23:17 · 3196 阅读 · 0 评论