登录后绑定QQ、微信即可实现信息互通
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#..
EL之AdaBoost：集成学习之AdaBoost算法的简介、应用、经典案例之详细攻略 目录 AdaBoost算法的简介 1、理解AdaBoost算法 1.1、从前向逐步递增角度来看理解AdaBoost：要找到最优的f很难→每次递增。 1.2、前向逐步递增的损失函数—L2Boosting 2、..
EL之GB(GBC)：利用GB对二分类问题进行建模并评估 目录 输出结果 T1、纯GB算法 T2、以RF为基学习器的GB算法 设计思路 核心代码 输出结果 T1、纯GB算法T2、以RF为基学习器的GB算法 设计思路 核心代码 # nEst = 2000# dep..
EL之Bagging：kaggle比赛之利用泰坦尼克号数据集建立Bagging模型对每个人进行获救是否预测 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 bagging_clf = BaggingRegressor(clf_LoR, n_estimators=10, max_sample..
EL之RF(RFC)：利用RF对多分类问题进行建模并评估(六分类+分层抽样) 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 missCLassError = []nTreeList = range(50, 2000, 50)for iTrees in nTreeList:depth = NonemaxFeat=..
提出你的第一个问题
回答一个你擅长的问题
对内容进行点赞或者收藏
阅读声望与权限的规范
完善个人资料
树摇风
发布于 2021-06-15 21:28
