关于：MLの话题第2页 - 万象大数据平台 - 万象素材

10213

EL之Bagging(DTR)：利用DIY数据集(预留30%数据+两种树深)训练Bagging算法(DTR)【图文】

晨光° 发布于 2021-06-15 21:28
收藏 EL ML DL Algorithm DataScience 其他人工智能万象人工智能专栏

EL之Bagging(DTR)：利用DIY数据集(预留30%数据+两种树深)训练Bagging算法(DTR) 目录输出结果设计思路核心代码输出结果 1、treeDepth=1 2、treeDepth=5 设计思路核心代码 for iTrees in range(numTreesMax):idxBag = []for i ..

10113

EL之Bagging：利用Bagging算法实现回归预测(实数值评分预测)问题【图文】

八度余温发布于 2021-06-15 21:28
收藏 EL ML DL Algorithm DataScience 其他人工智能万象人工智能专栏

EL之Bagging：利用Bagging算法实现回归预测(实数值评分预测)问题目录输出结果设计思路核心思路输出结果设计思路核心思路 #4.1、当treeDepth=1，对图进行可视化#(1)、定义numTreesMax、treeDepthnumTreesMax = 30treeDepth ..

10129

EL之Bagging(DTR)：利用Bagging对回归问题(实数值评分预测)建模(调2参)【图文】

怎扰春意发布于 2021-06-15 21:28
收藏 EL ML DL Algorithm DataScience 其他人工智能万象人工智能专栏

EL之Bagging(DTR)：利用Bagging对回归问题(实数值评分预测)建模(调2参) 目录输出结果设计思路核心代码输出结果设计思路核心代码 bagFract = 1.0#----------------------☆☆☆☆☆nBagSamples = int(len(xTrain) * ba..

10090

EL之Boosting之GB(DTR)：利用梯度提升法解决回归(对多变量的数据集+实数值评分预测)问题【图文】

可爱多又多发布于 2021-06-15 21:28
收藏 EL ML DL Algorithm DataScience 其他人工智能万象人工智能专栏

EL之Boosting之GB(DTR)：利用梯度提升法解决回归(对多变量的数据集+实数值评分预测)问题目录输出结果设计思路核心代码输出结果设计思路核心代码 xList = []labels = []names = []firstLine = Truefor line in data:..

10118

EL之RF(随机性的Bagging+DTR)：利用随机选择属性的bagging方法解决回归(对多变量的数据集+实数值评分预测)问题【图文】

八度余温发布于 2021-06-15 21:28
收藏 EL ML DL Algorithm DataScience 其他人工智能万象人工智能专栏

EL之RF(随机性的Bagging+DTR)：利用随机选择属性的bagging方法解决回归(对多变量的数据集+实数值评分预测)问题目录输出结果设计思路核心代码输出结果设计思路核心代码 for iTrees in range(numTreesMax):modelList.appe..

10126

EL之Boosting之GB(DTR)：简单回归问题使用梯度提升法(DIY数据集+DTR模型+调两参)【图文】

不过如此发布于 2021-06-15 21:28
收藏 EL ML DL Algorithm DataScience 其他人工智能万象人工智能专栏

EL之Boosting之GB(DTR)：简单回归问题使用梯度提升法(DIY数据集+DTR模型+调两参) 目录输出结果设计思路核心代码输出结果1、eps=0.1,treeDepth=12、eps=0.1,treeDepth=52、eps=0.3,treeDepth=5设计思路核心代码 for iTrees in ra..

10067

EL之RF(RFC)：利用RF对二分类问题进行建模并评估【图文】

今夜月影如卿发布于 2021-06-15 21:28
收藏 EL ML DL Algorithm DataScience 其他人工智能万象人工智能专栏

EL之RF(RFC)：利用RF对二分类问题进行建模并评估目录输出结果设计思路核心代码输出结果设计思路核心代码 auc = []nTreeList = range(50, 2000, 50)for iTrees in nTreeList:depth = NonemaxFeat= 8 rocksVMinesRFMode..

10036

EL之GB(GBM)：利用GB对回归(性别属性编码+调2参)问题(整数值年龄预测)建模【图文】

可念不可说发布于 2021-06-15 21:28
收藏 EL ML DL Algorithm DataScience 其他人工智能万象人工智能专栏

EL之GB(GBM)：利用GB对回归(性别属性编码+调2参)问题(整数值年龄预测)建模目录输出结果设计思路核心代码输出结果 T1、T2、设计思路核心代码 #T1nEst = 2000depth = 5learnRate = 0.003maxFeatures = Nonesubsamp = 0.5#..

10185

EL之RF(RFR)：利用RandomForestRegressor对回归问题(实数值评分预测)建模(调2参)【图文】

欲望发布于 2021-06-15 21:28
收藏 EL ML DL Algorithm DataScience 其他人工智能万象人工智能专栏

EL之RF(RFR)：利用RandomForestRegressor对回归问题(实数值评分预测)建模(调2参) 目录输出结果设计思路核心代码输出结果设计思路核心代码 mseOos = []nTreeList = range(100, 1000, 100)#----▲☆▲☆▲for iTrees in nTreeL..

10078

EL之RF(RFR)：利用RF对回归(性别属性编码)问题(整数值年龄预测)建模【图文】

过分要求发布于 2021-06-15 21:28
收藏 EL ML DL Algorithm DataScience 其他人工智能万象人工智能专栏

EL之RF(RFR)：利用RF对回归(性别属性编码)问题(整数值年龄预测)建模目录输出结果设计思路核心代码输出结果设计思路核心代码 for iTrees in nTreeList:depth = NoneabaloneRFModel = ensemble.RandomForestRegressor(n_e..

10179

EL之DT&RF&GBT：基于三种算法(DT、RF、GBT)对泰坦尼克号乘客数据集进行二分类(是否获救)预测并对比各自性能【图文】

春风乍起发布于 2021-06-15 21:28
收藏 EL ML DL Algorithm DataScience 其他人工智能万象人工智能专栏

EL之DT&RF&GBT：基于三种算法(DT、RF、GBT)对泰坦尼克号乘客数据集进行二分类(是否获救)预测并对比各自性能目录输出结果设计思路核心代码输出结果设计思路核心代码 vec = DictVectorizer(sparse=False) X_train ..

10198

EL之GB(GBR)：利用GBR对回归问题(实数值评分预测)建模【图文】

坏坏的丫头发布于 2021-06-15 21:28
收藏 EL ML DL Algorithm DataScience 其他人工智能万象人工智能专栏

EL之GB(GBR)：利用GBR对回归问题(实数值评分预测)建模目录输出结果设计思路核心代码输出结果设计思路核心代码 wineGBMModel = ensemble.GradientBoostingRegressor(n_estimators=nEst,max_depth=depth,learning_rate=learnR..

10156

EL之GB(GBC)：利用GB对多分类问题进行建模(分层抽样+调1参)并评估【图文】

嘻嘻哈哈搞怪男发布于 2021-06-15 21:28
收藏 EL ML DL Algorithm DataScience 其他人工智能万象人工智能专栏

EL之GB(GBC)：利用GB对多分类问题进行建模(分层抽样+调1参)并评估目录输出结果设计思路核心代码输出结果 T1、T2、设计思路核心代码 #T1、nEst = 500depth = 3learnRate = 0.003maxFeatures = NonesubSamp = 0.5#..

关于：MLの话题！

标签动态

技术问答

专栏文章

云+社区

云+市场

技术讲座

标签百科