归档: 2020 | DataQuaner

2020

04

11

1. 前言上文讲到决策树的特征选择会根据不同的算法选择不同的分裂参考指标，例如信息增益、信息增益比和基尼指数，本文完整分析记录决策树的详细生成过程和剪枝处理。 2. 决策树的生成示例数据表格文章所使用的数据集如下，来源于《数据分

2020-04-11 Machine Learning

Decision Tree

11

document.querySelectorAll('.github-emoji') .forEach(el => { if (!el.dataset.src) { return

2020-04-11 DataBase

MySQL

11

1. 问题描述近来, 在python环境下使用xgboost算法作若干的机器学习任务, 在这个过程中也使用了其内置的函数来可视化树的结果, 但对leaf value的值一知半解; 同时, 也遇到过使用xgboost 内置的predict

2020-04-11 Machine Learning

XGBoost

11

这是lightgbm算法基础系列的第一篇，讲述lightgbm基础理论。 document.querySelectorAll('.github-emoji') .forEach(el => {

2020-04-11 Machine Learning

LightGBM

11

机器学习入门学习必备

2020-04-11 LearnPath

LearnPath AI

01

16

安装 graphviz 参考文档 http://graphviz.readthedocs.io/en/stable/manual.html#installation graphviz安装包下载地址 https://www.graphviz

2020-01-16 Machine Learning

LightGBM XGBoost GBDT CatBoost

07

目录[TOC] 1. 算法思路DBSCAN算法的核心是“延伸”。先找到一个未访问的点p，若该点是核心点，则创建一个新的簇C，将其邻域中的点放入该簇，并遍历其邻域中的点，若其邻域中有点q为核心点，则将q的邻域内的点也划入簇C，直到C不再扩展。

2020-01-07 Machine Learning

DBSCAN

07

目录[TOC] 1. 算法原理1.1 常见的聚类算法聚类算法属于常见的无监督分类算法，在很多场景下都有应用，如用户聚类，文本聚类等。常见的聚类算法可以分成两类：以 k-means 为代表的基于分区的算法以层次聚类为代表的基于层次划分的

2020-01-07 Machine Learning

DBSCAN

07

1. LightGBM简介GBDT (Gradient Boosting Decision Tree) 是机器学习中一个长盛不衰的模型，其主要思想是利用弱分类器（决策树）迭代训练以得到最优模型，该模型具有训练效果好、不易过拟合等优点。GBD

2020-01-07 Machine Learning

LightGBM