摘要：
《python深度学*》笔记 1.3、为什么是深度学*，为什么是现在 一、总结 一句话总结： 深度学**些年投资特别多，而且目前没有迹象表明这种趋势会在短期内放缓，所以搞这行一定可以赚到很多钱 1、有时候，大事件都是从游戏 开始的？ NVIDIA和AMD等公司投资数十亿美元：在20 世纪前十年里，N 阅读全文
posted @ 2020-10-03 17:06
范仁义
阅读(217)
评论(0)
推荐(0)
摘要：
XGBoost是什么 一、总结 一句话总结： Gradient Boosting Decision Tree：XGBoost是陈天奇等人开发的一个开源机器学习项目，高效地实现了GBDT算法并进行了算法和工程上的许多改进，被广泛应用在Kaggle竞赛及其他许多机器学习竞赛中并取得了不错的成绩。 X ( 阅读全文
posted @ 2020-10-03 15:39
范仁义
阅读(1276)
评论(0)
推荐(0)
摘要：
梯度提升决策树 算法过程 一、总结 一句话总结： 弱分类器拟合残差：GBDT的原理很简单，就是所有弱分类器的结果相加等于预测值，然后下一个弱分类器去拟合误差函数对预测值的残差(这个残差就是预测值与真实值之间的误差)。当然了，它里面的弱分类器的表现形式就是各棵树。 1、Boosting思想？ 串行：B 阅读全文
posted @ 2020-10-03 14:46
范仁义
阅读(975)
评论(0)
推荐(0)
摘要：
集成方法中的梯度提升回归树（梯度提升机）模型 一、总结 一句话总结： 合并多个决策树：梯度提升回归树是另一种集成方法，通过合并多个决策树来构建一个更为强大的模型。 回归和分类：虽然名字中含有“回归”，但这个模型既可以用于回归也可以用于分类。 每颗树都试图纠正前一棵树的错误：与随机森林方法不同，梯度提 阅读全文
posted @ 2020-10-03 14:16
范仁义
阅读(1169)
评论(0)
推荐(0)
摘要：
《python深度学习》笔记 1.2、深度学习之前：机器学习简史 一、总结 一句话总结： 梯 度提升机用于处理结构化数据的问题，而深度学习则用于图像分类等感知问题。 1、概率建模（probabilistic modeling）？ 就是概率模型，比如朴素贝叶斯：概率建模（probabilistic m 阅读全文
posted @ 2020-10-03 00:23
范仁义
阅读(180)
评论(0)
推荐(0)
浙公网安备 33010602011771号