搜索结果
查询Tags标签: estimators,共有 5条记录-
【Ryo】Python:随机森林及参数优化——基于Kaggle的实战详解
机器学习在目前数字金融领域具有重要的地位,因此学习各类ML方法对于解决金融识别、信用评估、政策判断有很大的帮助作用。本文是我偶然间发现Kaggle上最新的一个dataset,基于此贷款数据loandata进行了相关的Python操作,利用随机森林的集成方法解决金融政策判断的问题,…
2021/7/26 1:08:51 人评论 次浏览 -
【Ryo】Python:随机森林及参数优化——基于Kaggle的实战详解
机器学习在目前数字金融领域具有重要的地位,因此学习各类ML方法对于解决金融识别、信用评估、政策判断有很大的帮助作用。本文是我偶然间发现Kaggle上最新的一个dataset,基于此贷款数据loandata进行了相关的Python操作,利用随机森林的集成方法解决金融政策判断的问题,…
2021/7/26 1:08:51 人评论 次浏览 -
ML之回归预测:利用两种机器学习算法(LiR,XGBoost(调优+重要性可视化+特征选择模型))对无人驾驶汽车系统参数(2017年的data,18+2)进行回归预测值VS真实值
ML之回归预测:利用两种机器学习算法(LiR,XGBoost(调优+重要性可视化+特征选择模型))对无人驾驶汽车系统参数(2017年的data,18+2)进行回归预测值VS真实值目录 输出结果 1、LiR模型 2、XGBoost模型输出结果 1、LiR模型 LiR:The value of default measurement of LiR is 0…
2021/6/15 20:33:23 人评论 次浏览 -
ML之xgboost:利用xgboost算法(sklearn+GridSearchCV)训练mushroom蘑菇数据集(22+1,6513+1611)来预测蘑菇是否毒性(二分类预测)
ML之xgboost:利用xgboost算法(sklearn+GridSearchCV)训练mushroom蘑菇数据集(22+1,6513+1611)来预测蘑菇是否毒性(二分类预测)目录 输出结果 设计思路 核心代码 更多输出输出结果 正在更新…… 设计思路 正在更新…… 核心代码 from sklearn.grid_search import GridSe…
2021/6/15 20:22:26 人评论 次浏览 -
04-04 AdaBoost算法代码(鸢尾花分类)
目录AdaBoost算法代码(鸢尾花分类)一、导入模块二、导入数据三、构造决策边界四、训练模型4.1 训练模型(n_e=10, l_r=0.8)4.2 可视化4.3 训练模型(n_estimators=300, learning_rate=0.8)4.4 训练模型(n_estimators=300, learning_rate=0.5)4.5 训练模型(n_estimators=600,…
2021/4/16 22:27:49 人评论 次浏览