yyy430的博客

参考资料：https://mp.weixin.qq.com/s/mr83EK24S94b_UUlecyqlA 线性回归对异常值非常敏感 多项式拟合如果指数选择不当，容易过拟合。 岭回归标准线性或多项式回归在特征变量之间存在很高的共线性（high collinearity，比如变量x1与x2之间存在函数关系）的情况下将失败。共线性是自变量之间存在近似线性关系，你所...

目录1. XGBoost2.CART树2.1 优缺点2.2 分裂依据2.2.1 分类2.2.2 回归2.3总结2.4 参考3. 算法原理3.1 定义树的复杂度3.2 打分函数计算示例3.3 分裂结点3.3.1 贪心法3.3.2 近似算法3.3.3 分布式加权直方图算法（Weighted Quantile Sketch）4. 损失函数...

参考资料：https://blog.csdn.net/column/details/16415.html KNNsklearn.neighbors.KNeighborsClassifierKNneighborsClassifier参数说明：n_neighbors：默认为5，就是k-NN的k的值，选取最近的k个点。 weights：默认是uniform，参数可以是unifo...

目录1、GBDT2、GBDT思想3、负梯度拟合4、损失函数4.1、分类4.2、回归5、GBDT回归算法6、GBDT分类算法6.1、二分类6.2、多分类7、正则化8、RF与GBDT之间的区别与联系9、优缺点优点缺点10、应用场景11、主要调参的参数12、sklearn.ensemble.GradientBoostingClass...

#显示所有列pd.set_option('display.max_columns', None)#显示1000列pd.set_option(‘max_columns’,1000) #显示所有行pd.set_option('display.max_rows', None)#显示1000行pd.set_option(‘max_row’,1000) #设置valu...