数据可视化分析平台开源方案集锦
数据可视化分析平台
阅读更多
xgboost算法模型输出的解释
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
LightGBM算法基础系列之基础理论篇（1）
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
零基础自学人工智能路径规划，附资源，亲身经验
机器学习入门学习必备
2020-04-11
机器学习系列之决策树算法（10）：决策树模型，XGBoost，LightGBM和CatBoost模型可视化
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
DBSCAN算法python实现（附完整数据集和代码）
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
短文本聚类【DBSCAN】算法原理+Python代码实现+聚类结果展示
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
机器学习系列之决策树算法(08):梯度提升树算法LightGBM
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
机器学习系列之决策树算法（07）：梯度提升树算法XGBoost实战：原生接口和sklearn接口区别
1 前言2 官方文档英文官方文档
中文文档
3 sklearn接口from xgboost.sklearn import XGBClassifier
xgbc = XGBClassifier(n_jobs=-1) # 新建xgboost
2019-12-27
机器学习系列之决策树算法（07）：梯度提升树算法XGBoost实战
1 前言上一篇从数据原理角度深入介绍了XGBoost的实现原理及优化，参考《梯度提升树算法XGBoost》。本篇主要介绍XGBoost的工程实战，参数调优等内容。
学习一个算法实战，一般按照以下几步，第一步能够基于某个平台、某种语言构建一
2019-12-26
机器学习系列之决策树算法（07）：梯度提升树算法XGBoost
前言XGBoost的全称是eXtreme Gradient Boosting，它是经过优化的分布式梯度提升库，旨在高效、灵活且可移植。XGBoost是大规模并行boosting tree的工具，它是目前最快最好的开源 boosting tr
2019-12-25