#随机森林

【Kaggle】泰坦尼克号生存预测 Titanic

文章目录前言案例背景数据集介绍加载数据集探索性数据分析（EDA）可视化特征和目标值之间关系缺失值分析数据预处理数据清洗缺失值处理去除噪声并且规范化文本内容数据转换数据划分建模逻辑回归模型决策分类树模型随机森林模型梯度提升树模型预测
撕得失败的标签·2024-01-26 04:24

基于中文垃圾短信数据集的经典文本分类算法实现

本文基于中文垃圾短信数据集，分别对比了朴素贝叶斯、逻辑回归、随机森林、SVM、LSTM、BiLSTM、BERT七种文本分类算法的垃圾短信分类效果。
fufufunny·2024-01-25 22:54

绝地求生游戏最终排名预测--数据分析实战

博客资源有该分析所用数据知识点数据读取与预览数据可视化构建随机森林预测模型绝地求生介绍相信很多都玩过绝地求生这款游戏，其游戏规则主要是将100名玩家空手被扔到一个岛上，这些玩家必须探索、寻找、消
HHAoW·2024-01-24 18:20

随机森林（Random Forest）

随机森林随机森林是决策树的升级版随机指树的生长过程随机。构建决策树时，从训练数据中有放回地选取一部分样本，且随机选取部分特征进行训练。
Sanchez·J·2024-01-24 18:12

Scikit-Learn 中级教程——集成学习

在本篇博客中，我们将深入介绍Scikit-Learn中的集成学习方法，包括Bagging、Boosting和随机森林，并使用代码进行说明。
Echo_Wish·2024-01-24 11:38

随机森林中每个树模型分裂时的特征选取方式

随机森林中每个树模型分裂时的特征选取方式随机森林中每个树模型的每次分裂都是基于随机选取的特征子集进行分裂的。
今天也要加油丫·2024-01-23 07:31

机器学习-随机森林【手撕】

随机森林集成学习算法概述集成学习不是一个单独的机器学习算法，而是通过在数据上构建多个模型，集成所有模型的建模结果，基本上现在的所有机器学习都能看到集成学习的身影目标综合考虑多个弱评估器的结果，综合得到最终的结果
alstonlou·2024-01-23 00:24

《机器学习》客户流失判断-python实现

实现读取数据并初步了解导入宏包读取数据查看数据类型检查缺失值描述性统计分析可视化分析用户流失分析特征分析任期年数与客户流失的关系：服务类属性分析特征相关性分析数据预处理类别编码转换划分训练数据与测试数据归一化处理模型建立逻辑回归支持向量机（SVM）K近邻（KNN）XGBoost-贝叶斯搜索超参数调优随机森林
汐ya~·2024-01-22 09:44

基于朴素贝叶斯的文本分类系统的设计与实现

基于决策树/随机森林的预测和分类系统：这些算法直观且容易理解，具备良好的解释性，很多复杂的问题也可以用这类方法解决。例如，预测公司的员工流失、信贷风险评估等。基于k近邻(k
@斯里·2024-01-22 06:38

Kaggle之旅3

Kaggle之旅3文章目录Kaggle之旅3前言一、PredictsurvivalontheTitanicandgetfamiliarwithMLbasics二、开始1.基础知识构造随机森林的4个步骤2
旻璿gg·2024-01-22 01:45

认识二叉树

王有志，一个分享硬核Java技术的互金摸鱼侠加入Java人的提桶跑路群：共同富裕的Java人今天我们要学习的是你编程生涯中不可避免的话题–树，无论是二分搜索树，红黑树，B+树，还是机器学习中的决策树和随机森林
技术范王有志·2024-01-21 20:05

【python】数据挖掘分析清洗——特征选择（特征筛选）方法汇总

目录前言一、过滤法1.1基于方差1.2相关系数二、包裹式2.1随机森林2.2XGBoost重要性分析2.3SFS序列前向选择算法（SequentialForwardSelection）三、嵌入式3.1SVC
程序员老冉·2024-01-20 16:41

集成学习算法（Bagging 思想、Boosting思想）及具体案例

参与组合的模型称为弱学习器1、Bagging思想有放回的抽样（booststrap抽样）产生不同的训练集，从而训练不同的学习器；通过平权投票、多数表决的方式决定预测结果；弱学习器可以并行训练代表算法：随机森林概述
小林打怪中·2024-01-20 02:52

Python数据分析案例37——基于分位数神经网络(QRNN)的汇率预测

之前写过分位数随机森林，分位数XGboost，分位数Lightgbm的文章：Xgboost和Lightgbm结合分位数回归(机器学习与传统统计学结合)本次带来一个小案例，分位数神经网络，神经网络是最简单的
阡之尘埃·2024-01-19 14:09

机器学习（一）—— 简介

参考书籍《机器学习和深度学习：原理、算法、实战》文章目录1工业界流行的机器学习算法2机器学习3深度学习4预备知识5监督学习与无监督学习1工业界流行的机器学习算法线型回归逻辑回归决策树随机森林梯度提升机人工神经网络卷积神经网络循环神经网络贝叶斯技术支持向量机进化方法马尔可夫逻辑网络隐马尔可夫模型生成对抗网络
奶盖加芝士·2024-01-19 10:15

6、机器学习之随机森林

使用更复杂的机器学习算法。本课程所需数据集夸克网盘下载链接：https://pan.quark.cn/s/9b4e9a1246b2提取码：uDzP文章目录1、简介2、实例3、结论1、简介决策树给你留下了一个困难的选择。一个深度很大、有很多叶子的树会因为每个预测都来自其叶子上仅有的几个房屋的历史数据而过拟合。但是一个浅树，叶子较少，表现会较差，因为它未能捕捉原始数据中的许多细微差异。即使是今天最先进
AI算法蒋同学·2024-01-19 10:07

GEE：面对对象（斑块/超像素）尺度的随机森林回归预测教程

作者：CSDN@_养乐多_本文将介绍在GoogleEarthEngine（GEE）平台上进行面向对象随机森林回归的方法和代码。
_养乐多_·2024-01-19 04:51

常见的机器学习算法代码及其Python代码

监督式学习的例子有：线性回归、决策树、随机森林算法、最近邻算法、逻辑回归等。非监督式学习算法这类算法没有任何目标
中年猿人·2024-01-18 01:00

随机森林在信贷风控的应用场景

今天，为大家分享随机森林算法及其应用场景，值得学习一下。随机森林属于集成学习的范畴，是一种采用Bagging策略的算法。它构建并整合了多个决策树来改善模型的预测准确性。
风控小兵突击·2024-01-17 23:58

一文带你了解机器学习算法

1.常见的机器学习算法有哪些KNN算法、线性回归法、决策树算法、随机森林算法、PCA算法、SVM算法等等2.什么是机器学习简单的说，机器学习就是让机器从数据中学习，进而得到一个更加符合现实规律的模型，通过对模型的使用使得机器比以往表现的更好
AAI机器之心·2024-01-17 15:03

SVR， adaboost， MLP， GBDT， XGBOOST， LIGHTGBM以及随机森林模型参数优化+模型训练+shap解释

SVR,MLP,adaboost，GBDT,XGBOOST,LIGHTGBM，随机森林模型参数优化+模型训练+shap解释导入所需要的库及数据处理模型超参数优化拆分训练集和测试集，进行shap解释导入所需要的库及数据处理
sdu_study·2024-01-17 14:18

云层高度方法总结：激光雷达信号反演/遥感数据估计

目录激光雷达数据反演方法用于反演云层高度的记忆式滑动窗口积分算法2008激光雷达探测合肥云层高度方法研究及分析2010用于反演云底高度的峰值面积积分算法-杨成武-2012卫星遥感-基于机器学习基于随机森林算法的
7个隆咚锵·2024-01-17 13:13

python机器学习——分类模型评估 & 分类算法（k近邻，朴素贝叶斯，决策树，随机森林，逻辑回归，svm）

目录分类模型的评估模型优化与选择1.交叉验证2.网格搜索【分类】K近邻算法【分类】朴素贝叶斯——文本分类实例：新闻数据分类【分类】决策树和随机森林1.决策树2.决策树的算法3.代码实现实例：泰坦尼克号预测生死
Perley620·2024-01-17 10:59

SHAP：最受欢迎、最有效的可解释人工智能工具包

例如，集成方法如XGBoost和随机森林将许多个体学习器的结果组合起来生成结果。尽管这通常会带来更好的性能，但它使得难以知道数据集中每个特征对输出的贡献。
Python数据挖掘·2024-01-16 22:31

GEE：机器学习分类中每个类别的概率图像可视化

比如在进行随机森林分类时，每个决策树会生成一个类别，通过投票选择票数最多的类别作为最终分类。除了最终分类结果，其他类别的概率是多少？我们不得而知。
_养乐多_·2024-01-16 21:23

17- 梯度提升回归树GBRT (集成算法) (算法)

梯度提升回归树:梯度提升回归树是区别于随机森林的另一种集成方法，它的特点在于纠正与加强，通过合并多个决策树来构建一个更为强大的模型。该模型即可以用于分类问题，也可以用于回归问题中。
处女座_三月·2024-01-16 11:05

【深度学习I-基础知识】

深度学习I-基础知识1基础知识1.1模型的基本概念1.2机器学习1.2.1概率建模1.2.2核方法1.2.3决策树、随机森林和梯度提升机1.3深度学习1.3.1张量1.3.2数据批量1.3.3张量运算1.3.4
Dymc·2024-01-16 08:50

KernelSHAP vs TreeSHAP

缺点是它只能用于基于树的算法，如随机森林和xgboost。另一方面，KernelSHAP是模型不可知的(modelagnostic)，这意味着它可以与任何机器学习算法一起使用。
没有人比我更懂暴力算法·2024-01-13 23:36

随机森林调参方法

一、默认参数打印随机森林学习器的默认参数配置：1、bootstrap=True2、criterion='mse'3、max_depth=None4、max_features='auto'5、max_leaf_nodes
Trouville01·2024-01-13 17:28

机器学习系列--R语言随机森林进行生存分析（2）

随机森林（Breiman2001a）（RF）是一种非参数统计方法，需要没有关于响应的协变关系的分布假设。RF是一种强大的、非线性的技术，通过拟合一组树来稳定预测精度模型估计。
天桥下的卖艺者·2024-01-13 03:55

集成学习原理概要 (随机森林, gbdt, XGBoost)

集成学习是一类机器学习算法，主要用于分类和回归任务，基本思想是结合多个弱模型变成一个强模型。本文自网络资料参考整理而来，参考列表在文末。本文重点描述方法原理和基本过程，具体推导请参考文末链接。1.分类决策树基本特征：每个叶子节点是一个决策分类，比如买这件商品或者不买；比如去A商场还是B、C商场。每个中间节点是一个特征的判断。分裂决策：信息增益。遍历每个特征，每种决策（离散变量可以为多扇出，连续变量
Caucher·2024-01-13 02:11

基于K-Means聚类算法与随机森林模型评估信贷风险客户【500010101】

项目背景本数据集来自一家德国银行，由加州大学霍夫曼教授于2016年收集整理，每条记录代表了一个接受银行信贷的客户，这也就说明了，这些客户都是通过了贷款申请的，通过可视化分析对数据进行初步探索，并利用聚类分析将客户分为不同的风险群体，由于数据集中缺乏直接的客户贷款风险标签，我们无法直接评估风险分类的准确性，因此，再次采用聚类分析（不考虑客户贷款风险特征），将数据分为四个类别，分类结果与实际相符，可以
神仙别闹·2024-01-12 15:47

【Python机器学习】决策树集成——梯度提升回归树

与随机森林方法不同，梯度提升采用连续的方式构造树，每棵树都试图纠正前一棵树的错误。默认情况下，梯度提升回归树中没有随机化，而是用到了强预剪枝。
zhangbin_237·2024-01-12 14:27

ChatGPT4在Python数据分析、自动生成代码等方面的强大功能丨人工智能领域经典机器学习算法丨热门深度学习方法及Python、PyTorch代码实现方法

同时更加系统地学习人工智能（包括传统机器学习、深度学习等）的基础理论知识，以及具体的代码实现方法，掌握ChatGPT4.0在科研工作中的各种使用方法与技巧，以及人工智能领域经典机器学习算法（BP神经网络、支持向量机、决策树、随机森林
小艳加油·2024-01-12 06:37

Python+ChatGPT，Python与ChatGPT结合进行数据分析、自动生成代码、人工智能建模、论文高效撰写等

同时更加系统地学习人工智能（包括传统机器学习、深度学习等）的基础理论知识，以及具体的代码实现方法，掌握ChatGPT4.0在科研工作中的各种使用方法与技巧，以及人工智能领域经典机器学习算法（BP神经网络、支持向量机、决策树、随机森林
WangYan2022·2024-01-12 06:02

随机森林回归（Random Forest Regression）

什么是机器学习随机森林回归（RandomForestRegression）是一种基于集成学习的回归算法，它通过整合多个决策树的预测结果来提高模型的性能和鲁棒性。
草明·2024-01-11 23:57

【学习笔记】Python进行数据清洗

除此之外，up主的缺失值处理是直接用均值进行替代，个人觉得不是很严谨，所以替换成了随机森林算法填补缺失值。需要注意的是，正常的顺序应该
砂锅咸鱼·2024-01-11 23:00

多种垃圾邮件识别方案总结以及判定垃圾邮件的标准，8种机器学习方式进行实战对比:朴素贝叶斯、逻辑回归、支持向量机、KNN、决策树、随机森林、GDBT、神经网络(附数据集和源码)

多种垃圾邮件识别方案总结以及判定垃圾邮件的标准，8种机器学习方式进行实战对比:朴素贝叶斯、逻辑回归、支持向量机、KNN、决策树、随机森林、GDBT、神经网络(附数据集和源码)。
代码讲故事·2024-01-11 11:59

C2-4.3.1 多个决策树——随机森林

C2-4.3.1多个决策树——随机森林参考链接1、为什么要使用多个决策树——随机森林？
帅翰GG·2024-01-10 06:04

【Python机器学习】决策树集成——随机森林

随机森林本质上是许多决策树的集合，其中每棵树都和其他数略有不同，随机森林背后的思想是：每棵树的预测可能都比较好，但是可能对部分数据过拟合，如果构造很多树，并且每棵预测的都很好，但都以不同的方式过拟合，那么可以对这些树的结果取平均来降低过拟合
zhangbin_237·2024-01-10 06:33

AI量化策略 篇一：方向综述

文章目录简述特点传统AI方向循环神经网络(RNN)卷积神经网络(CNN)深度自回归网络（DeepAR）其他长短时记忆网络(LSTM)线性回归模型自回归模型（ARIMA,GARCH）随机森林（RandomForests
李小白杂货铺·2024-01-10 04:08

项目分享：机器学习电影票房分析与预测系统

采用多元线性回归模型、决策树回归模型、Ridgeregression岭回归模型、Lassoregression岭回归模型和随机森林回归模型实现票房的
switch_mooood·2024-01-10 03:49

Spark中的二分类与多分类问题的解决

在Spark中，可以使用不同的机器学习算法来解决二分类问题，例如逻辑回归、随机森林和支持向量
晓之以理的喵~~·2024-01-09 11:00

决策树与随机森林

决策树是一个预测模型，它代表的是对象属性与对象值之间的一种映射关系。树中每个节点表示某个对象，而每个分叉路径则代表某个可能的属性值，而每个叶节点则对应从根节点到该叶节点所经历的路径所表示的对象的值。从数据产生决策树的机器学习技术叫做决策树学习，通俗说就是决策树。它的每一个叶节点对应着一个分类，非叶节点对应着在某个属性上的划分。决策树的标准好坏可以用一个标准定义：基尼系数当下标准的不确定程度就是所有
爱静的龙猫·2024-01-08 22:17

大数据分析案例-基于LinearRegression回归算法构建房屋价格预测模型

如果文章对你有帮助的话，欢迎评论点赞收藏加关注+喜欢大数据分析项目的小伙伴，希望可以多多支持该系列的其他文章大数据分析案例合集大数据分析案例-基于随机森林算法预测人类预期寿命大数据分析案例-基于随机森林算法的商品评价情感分析大数据分析案例
艾派森·2024-01-08 07:45

随机森林（Random Forest）

随机森林（RandomForest）是一种集成学习方法，通过组合多个决策树来提高模型的性能和鲁棒性。随机森林在每个决策树的训练过程中引入了随机性，包括对样本和特征的随机选择，以提高模型的泛化能力。
草明·2024-01-08 03:02

geemap学习笔记019：监督分类与精度验证（上）

GEE中的监督分类方法主要是包括以下几种，包括决策树、随机森林(RF)、贝叶斯、支持向量机(SVM)等。监督分类主要是包括以下几个步骤：(1)收集数据，包括待分类的影像数据以
静观云起·2024-01-07 19:22

【Python机器学习】基于随机森林全球经济危机预测

随机森林作为一种强大的集成学
Zouia Gail(修行中)·2024-01-07 16:20

分类3：机器学习处理read-wine（红酒）数据集代码

目录1介绍2导入常用的工具箱3导入数据集4MinMaxScaler归一化5分别使用svm、knn、决策树、随机森林进行实验6使用PCA降维，然后使用随机森林进行分类7GridSearchCV调整rf的参数
王小葱鸭·2024-01-07 03:04

西瓜书读书笔记整理（八） —— 第八章 集成学习

集成不同类型的个体学习器8.1.4集成学习的分类（根据生成过程分类）8.2Boosting8.2.1算法概述8.2.2算法总体过程8.2.3AdaBoost算法8.3Bagging与随机森8.3.1Bagging8.3.2随机森林
smile-yan·2024-01-06 18:25
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他