XGboost

H2O自动化机器学习框架介绍与搭建笔记

H2O提供了许多流行算法的实现，例如广义线性模型(GLM)、梯度提升机（包括XGBoost）、随机森林、深度神经网络、堆叠集成、朴素贝叶斯、广义加性模型(GAM)、Cox比例风险、K-
submarineas·2022-06-22 07:05

机器学习编译入门课程学习笔记第一讲 机器学习编译概述

6.机器学习编译的核心要素6.1.备注：抽象和实现7.总结1.课程简介  该门课程是由XGBoost的作者陈天奇进行授课的。从2022年6月18日正式开始（新鲜出炉的），每周讲授一节课程。
herosunly·2022-06-22 07:12

图解机器学习算法(11) | LightGBM模型详解（机器学习通关指南·完结）

34本文地址：http://www.showmeai.tech/article-detail/195声明：版权所有，转载请联系平台与作者并注明出处引言之前ShowMeAI对强大的boosting模型工具XGBoost
ShowMeAI·2022-06-21 07:03

XGBoost目标函数构建个人理解

  XGBoost全称“ExtremeGradientBoosting“，被称为极端梯度提升法。
小白学推荐·2022-06-13 07:13

贝叶斯优化xgboost_超参数调整xgboost和神经网络的hyperopt贝叶斯优化

贝叶斯优化xgboostHyperparameters:Thesearecertainvalues/weightsthatdeterminethelearningprocessofanalgorithm
weixin_26738395·2022-06-12 12:55

【Kay】机器学习之XGBoost——鸢尾花数据集

一、基于XGBoost原生接口进行分类1、导入相关包：#导相关包importtimeimportnumpyasnpimportxgboostasxgbfromxgboostimportplot_importance
Kay大·2022-06-10 19:42

机器学习算法优缺点

贝叶斯定理三、决策树（DecisionTree）四、逻辑斯蒂回归（LogisticRegression）五、SVM支持向量机常见问题过拟合交叉验证算法的误差集成学习bagging和boosting的区别XGBOOST
lady_rui·2022-06-09 07:00

数据分析面经整理：机器学习方面

目录1.KNN的算法原理2.Kmeans3.DBSCAN4.Baggging和Boosting4.1Bagging4.1.1随机森林RandomForest(RF)4.2Boosting4.2.1xgboost4.2.2Adaboost4.2.3
slaythedragon·2022-06-09 07:15

机器学习之分类回归树（CART）

但是这里面就涉及到了很多机器学习的基础树形算法，思前想后还是决定分成几篇文章来写，这里先介绍一下CART数，因为在GBDT中用来分类回归的树形结构就是CART，为了更好的理解这个推荐模型，首选需要的就是打好基础，介绍完CART之后，我就会介绍XGBoost
小家带你学推荐·2022-06-08 07:44

零基础入门金融风控 Task4 建模与调参

文章目录Task4建模与调参4.1学习目标4.2内容介绍4.3模型相关原理介绍4.3.1逻辑回归模型4.3.2决策树模型4.3.3GBDT模型4.3.4XGBoost模型4.3.5LightGBM模型4.3.6Catboost
Rock_y·2022-06-06 07:34

深入理解XGBoost，优缺点分析，原理推导及工程实现

本文的主要内容概览：1.XGBoost简介XGBoost的全称是eXtremeGradientBoosting，它是经过优化的分布式梯度提升库，旨在高效、灵活且可移植。
Datawhale·2022-06-06 07:57

多任务学习

自定义损失函数：https://www.cnblogs.com/fujian-code/p/9804129.htmlxgboost自定义目标函数和评估函数:https://blog.csdn.net/zbzckaiA
法相·2022-06-05 08:37

LightGBM原理与实践简记

目录开箱即用quickstartsklearn接口增量学习原理回顾XgboostLightGBM直方图算法Leaf-wise生长类别型特征支持并行支持不均衡数据处理参数调优参数说明核心参数超参调优自动调参特征重要性
助力毕业·2022-06-05 07:03

XGBoost防止过拟合的方法

1概述以下是一些从理论研究和实践经验中总结的防止过拟合的思路：思路一：控制模型的复杂度主要方法：限制树的最大深度调节正则项系数限制叶子节点样本数量思路二：增加随机性使得模型对噪声鲁棒主要方法：控制随机采样比例调节学习率思路三：通过监控loss防止过拟合发生主要方法：EarlyStopping思路四：缓解样本不均衡问题主要方法：SMOTE上采样（适用于分类问题）以下是这些方法的详细介绍。2具体方法2
Ray_awakepure·2022-06-04 07:37

时间序列预测（二）—— AR模型

模型欢迎大家来我的个人博客网站观看原文：https://xkw168.github.io/2019/05/20/时间序列预测-二-AR模型.html文章链接（一）数据预处理（二）AR模型（自回归模型）（三）Xgboost
xkw168·2022-06-01 18:00

一文读懂XGBoost｜机器学习

XGBoost和GBDT一样，XGBoost也是一种基于CART树的Boosting算法，让我们来看一下如何通俗的去理解XGBoost。
二哥不像程序员·2022-05-31 07:51

一次XGBoost性能优化-超线程影响运算速度

一、问题背景一个朋友在使用XGBoost框架进行机器学习编码，他们的一个demo,在笔记本的虚拟机(4核)运行的时候，只要8s,但是在一个64核128G的物理机上面的虚拟机去跑的时候，发现时间需要更长。
自由早晚乱余生·2022-05-29 15:00

LCE：一个结合了随机森林和XGBoost优势的新的集成方法

随机森林[Breiman,2001]和XGBoost[ChenandGuestrin,2016]已成为解决分类和回归的许多挑战的最佳机器学习方法。
·2022-05-28 11:38

在XGBoost中通过Early Stop避免过拟合（练习）

e.g通过下面的方法在使用XGBoost训练二分类任务时输出分类错误率（通过“error”指定）：eval_set=[(X_test,y_test)]mo
CristinaM·2022-05-26 07:51

梯度提升决策树（GBDT）与XGBoost、LightGBM

20211224【机器学习算法总结】XGBoost_yyy430的博客-CSDN博客_xgboostxgboost参数默认：auto。XGBoost中使用的树构造算法。
weixin_ry5219775·2022-05-25 07:58

机器学习——XGboost模型

机器学习——循环神经网络（RNN）机器学习——长短期记忆（LSTM）机器学习——决策树（decisiontree）机器学习——随机森林（Randomforest）机器学习——梯度提升决策树（GBDT）一、XGBoost
白天数糖晚上数羊·2022-05-22 07:45

机器学习——决策树（decision tree）

循环神经网络（RNN）机器学习——长短期记忆（LSTM）机器学习——决策树（decisiontree）机器学习——随机森林（Randomforest）机器学习——梯度提升决策树（GBDT）机器学习——XGboost
白天数糖晚上数羊·2022-05-22 07:44

机器学习-sklearn第十七天——笔记

目录XGBoost(2)3XGBoost的智慧3.1选择弱评估器：重要参数booster3.2XGB的目标函数：重要参数objective3.3求解XGB的目标函数3.4参数化决策树fk(x)：参数alpha
鹿衔草啊·2022-05-17 16:30

机器学习-sklearn第十六天——笔记

目录sklearn与XGBoost1在学习XGBoost之前1.1机器学习竞赛的胜利女神1.2xgboost库与XGB的sklearnAPI1.3XGBoost的三大板块2梯度提升树2.1提升集成算法：
鹿衔草啊·2022-05-17 16:29

时间序列统计特征的详细解析

根据对已有时间序列比赛的统计研究，发现数据规模不大的比赛任务中，依然使用的是特征工程+梯度提升树模型(XGBoost、L
herosunly·2022-05-16 07:21

机器学习——循环神经网络（RNN）

卷积神经网络（CNN）机器学习——长短期记忆（LSTM）机器学习——决策树（decisiontree）机器学习——随机森林（Randomforest）机器学习——梯度提升决策树（GBDT）机器学习——XGboost
白天数糖晚上数羊·2022-05-10 07:16

机器学习——人工神经网络（NN）

循环神经网络（RNN）机器学习——长短期记忆（LSTM）机器学习——决策树（decisiontree）机器学习——随机森林（Randomforest）机器学习——梯度提升决策树（GBDT）机器学习——XGboost
白天数糖晚上数羊·2022-05-10 07:46

Python机器学习应用之基于天气数据集的XGBoost分类篇解读

目录一、XGBoost1XGBoost的优点2XGBoost的缺点二、实现过程1数据集2实现三、KeysXGBoost的重要参数一、XGBoostXGBoost并不是一种模型，而是一个可供用户轻松解决分类
·2022-05-07 12:47

随机森林 | GBDT | XGBOOST | LightGBM 比较

目录各种模型+正则的名称随机森林vsGBDTXGBOOSTvsGBDTLightGBMvsGBDTLightGBMvsXGBoostRF、GBDT、XGBoostLightGBM关于直方图算法的解释特性类别特征支持速度和内存使用的优化稀疏优化准确率的优化
HW_WY·2022-05-04 07:21

LightGBM 如何调参

本文结构：1.什么是LightGBM2.怎么调参3.和xgboost的代码比较1.什么是LightGBMLightGBMisagradientboostingframeworkthatusestreebasedlearningalgorithm.LightGBM
Ice Fanyj·2022-05-04 07:14

XGBoost、LightGBM与CatBoost算法对比与调参

机器学习Author：louwillMachineLearningLab虽然现在深度学习大行其道，但以XGBoost、LightGBM和CatBoost为代表的Boosting算法仍有其广阔的用武之地。
louwill12·2022-05-04 07:09

随机森林RF、XGBoost、GBDT和LightGBM的原理和区别

随机森林RF、XGBoost、GBDT和LightGBM的原理和区别https://www.cnblogs.com/hugechuanqi/p/10554156.html
stay_foolish12·2022-05-04 07:06

机器学习知识点梳理3--集成学习/Adaboost/随机森林/GBDT/xgBoost/LightGBM

1.LightGBM和xgBoost、GBDT的区别xgboost与LightGBM的区别切分算法（切分点的选取）：XGBoost通过对所有特征都按照特征的数值进行预排序选取最好的分割点；LightGBM
Lyttonkeepgoing·2022-05-04 07:53

【机器学习系列】【调参GridsearchCV】随机森林、GBDT、LightGBM和XGBoost调参顺序，外加一些加速调参的小技巧（主要介绍坐标下降）

GridSearchCV简介、好处和弊端1.1简介1.1.1简单示例1.1.2参数说明1.1.3属性1.2GridsearchCV的好处和弊端2.调参顺序2.1调参加速小技巧2.1随机森林、GBDT、LightGBM和XGBoost
学金融的程序员懒羊羊·2022-05-04 07:10

Python对商店数据进行lstm和xgboost销售量时间序列建模预测分析

原文链接：http://tecdat.cn/?p=17748原文出处：拓端数据部落公众号在数据科学学习之旅中，我经常处理日常工作中的时间序列数据集，并据此做出预测。相关视频：LSTM神经网络架构和工作原理及其在Python中的预测应用LSTM神经网络架构和原理及其在Python中的预测应用我将通过以下步骤：探索性数据分析（EDA）问题定义（我们要解决什么）变量识别（我们拥有什么数据）单变量分析（了
·2022-04-28 15:15

机器学习——卷积神经网络（CNN）

循环神经网络（RNN）机器学习——长短期记忆（LSTM）机器学习——决策树（decisiontree）机器学习——随机森林（Randomforest）机器学习——梯度提升决策树（GBDT）机器学习——XGboost
白天数糖晚上数羊·2022-04-28 07:12

集成学习boosting算法：Adaboost&GBDT&Xgboost&LightGBM&CatBoost + 超参数优化 + 模型保存 （更ing）

Adaboost&GBDT&Xgboost&LightGBM&CatBoost0简介0.0发展史0.1经典文章链接/文章总结链接0.2bagging和boosting0.3简记0.3.0mean_squared_error1Adaboost2GBDT2.1
「 25' h 」·2022-04-25 11:54

树模型对类别变量的 7 种处理方法（Python代码）

对于xgboost、GBDT等boosting树模型，基学习通常是cart回归树，而cart树的输入通常只支持连续型数值类型的，像年龄、收入等连续型变量Cart可以很好地处理，但对于无序的类别型变量（如职业
Python学习与数据挖掘·2022-04-22 07:21

收藏 | 机器学习模型与算法最全分类汇总！

题图|AltumCode机器学习模型与算法包括线性回归、对数几率回归、LASSO回归、Ridge回归、LDA、k近邻、决策树、感知机、神经网络、支持向量机、AdaBoost、GBDT、XGBoost、LightGBM
turingbooks·2022-04-22 07:18

【机器学习基础】数学推导+纯Python实现机器学习算法26：随机森林

从AdaBoost到GBDT系列，对XGBoost、LightGBM和CatBoost作了较为详细的了解。本文作为集成学习的最后一篇文章，来介绍与Boosti
风度78·2022-04-22 07:33

机器学习--集成学习（Ensemble Learning）

目前集成学习主要有2种：基于Boosting的和基于Bagging，前者的代表算法有Adaboost、GBDT、XGBOOST等、后者的代表算法主要是随机森林（RandomForest）。
小金子的夏天·2022-04-21 07:15

[转]Kaggle_Titanic生存预测 -- 详细流程吐血梳理

koala_tree/article/details/78725881Kaggle_Titanic生存预测--详细流程吐血梳理原创2017年12月06日10:55:55标签：Kaggle/泰坦尼克/数据分析/机器学习/xgboost
浅笑古今·2022-04-20 07:43

Python二手车价格预测（二）—— 模型训练及可视化

二手车数据获取用于机器学习二手车价格预测二、Python二手车价格预测（一）——数据处理文章目录系列文章目录前言一、明确任务二、模型训练1.引入库2.读入数据3.评价指标4.线性回归5.K近邻6.决策树回归7.随机森林8.XGBoost9
_HXZ·2022-04-20 07:30

杭电第一学期

好好的总结这半年接触到的经典算法,看的时候参考工业界的实现如sklearnspark等的实现,重点是LR,GLM,NB,KNN;SVM,DT,ensemble(TreeBase:adaboostrf,gbdt,xgboost
weixin_30512043·2022-04-19 10:13

学习笔记53 数据分析常见面试题4-15

2.adaboost和xgboost的区别；xgboost的并行体现在哪（工程上的并行，不是计算上的并行）（猿辅导）参考答案Adaboost与GBDT两者boosting的不同策略是两者的本质区别。
败者食尘_40a0·2022-04-16 09:46

xgboost调参大法

xgboost中的大多数参数是关于偏差方差权衡的。最好的模型应该在模型的复杂性及模型的预测能力上做细致的权衡(注：模型的复杂
风花雪夜007·2022-04-07 07:56

一次使用随机森林，罗辑回归，xgboost,及神经网络训练机器学习模型训练和测试分类数据

一次使用多个机器学习模型训练自己的数据使用sklearn架构，使用随机森林，逻辑回归，支持向量机，xgboost训练模型，并计算测试数据的准确率和混淆矩阵随机森林逻辑回归xgboost支持向量机神经网络
XH生信ML笔记·2022-04-07 07:46

xgboost 一般多少棵树_Xgboost总结

从决策树、随机森林、GBDT最终到XGBoost，每个热门算法都不是孤立存在的，而是基于一系列算法的改进与优化。
weixin_39945795·2022-04-07 07:14

python xgb模型 预测_时间序列预测（四）：使用XGBoost模型进行时间序列预测

(三)：使用Keras搭建LSTMNetworks时间序列模型zhuanlan.zhihu.com项目实现的内容完全一致，本篇新增传统的监督回归问题训练方法，本文中选用的是目前工程应用比较广泛和有效的Xgboost
weixin_39616416·2022-04-07 07:11

XGboost数据比赛实战之调参篇(完整流程)

这一篇博客的内容是在上一篇博客Scikit中的特征选择，XGboost进行回归预测，模型优化的实战的基础上进行调参优化的，所以在阅读本篇博客之前，请先移步看一下上一篇文章。
weixin_33828101·2022-04-07 07:40
上一页 23 24 25 26 27 28 29 30 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他