12 2022 档案

神经网络--Tensflow vs pytorch框架比较
摘要：a 阅读全文
posted @ 2022-12-24 15:54 oceaning 阅读(51) 评论(0) 推荐(0)
集成学习--GBDT理论
摘要： 阅读全文
posted @ 2022-12-23 16:24 oceaning 阅读(45) 评论(0) 推荐(0)
集成学习--BDT
摘要： 阅读全文
posted @ 2022-12-23 12:11 oceaning 阅读(42) 评论(0) 推荐(0)
集成学习--Adaboost
摘要：a 阅读全文
posted @ 2022-12-18 22:19 oceaning 阅读(21) 评论(0) 推荐(0)
python 分析几段常用的代码
摘要：##分组统计，求平均值 turnover_summary=df.groupby('turnover') turnover_summary.mean() #相关性矩阵 corr=df.corr() sns.heatmap(corr,xticklabels=corr.columns.values,yti 阅读全文
posted @ 2022-12-18 18:09 oceaning 阅读(69) 评论(0) 推荐(0)
集成算法--LGBM
摘要：Light Gradient Boosting Machine 轻量梯度提升机器 阅读全文
posted @ 2022-12-17 22:23 oceaning 阅读(261) 评论(0) 推荐(0)
集成算法--GBDT梯度提升树
摘要：三要素： 损失函数L(x,y)： 真实值和预测值之间的差异 弱评估器f(x)：效果差的模型 综合集成规则：数据、特征处理方法，构建迭代过程，参数设置等 基本训练流程：以上一个弱评估器的结果，计算损失函数，并以最小化L(x,y)为目标影响下一个弱评估器的构建 Boosting 算法中所有的弱评估器都是 阅读全文
posted @ 2022-12-17 18:23 oceaning 阅读(59) 评论(0) 推荐(0)
LGBM-1
摘要：##LGBM + sklearn#LightGBM建模，sklearn评估# coding: utf-8 import lightgbm as lgb import pandas as pd from sklearn.metrics import mean_squared_error from sk 阅读全文
posted @ 2022-12-13 21:36 oceaning 阅读(102) 评论(0) 推荐(0)
pytorch-1
摘要：import torch from torch.autograd import Variable from torch import tensor, Tensor from torch.utils.data import Dataset from torch.utils.data import Da 阅读全文
posted @ 2022-12-12 22:29 oceaning 阅读(28) 评论(0) 推荐(0)
集成算法--1
摘要：模型融合 集成学习领域的发展得益于三个方面的早期研究，即：分类器结合、弱分类器集成和混合专家模型(mixture of experts)。 分类器结合（又称为模型融合）主要来自模式识别领域。这方面的研究关注强分类器，试图设计强大的结合规则来获取更强的结合分类器，在设计和使用不同的结合规则上积累深厚。 阅读全文
posted @ 2022-12-10 09:32 oceaning 阅读(62) 评论(0) 推荐(0)