Prerequisite: CART回归树 CART回归树是假设树为二叉树，通过不断将特征进行分裂。比如当前树结点是基于第j个特征值进行分裂的，...
投稿
收录了6篇文章 · 1人关注
-
XGBoost详解 -
xgboost如何处理缺失值通常情况下，我们人为在处理缺失值的时候大多会选用中位数、均值或是二者的融合来对数值型特征进行填补，使用出现次数最多的类别来填补缺失的类别特征。 ...
-
LightGBM原理分析1. Abstract 在之前我介绍过XGB模型，这次想跟大家分享一下LightGBM这个模型。LightGBM论文的标题为A Highly E...
-
Xgboost算法理解上一篇文章讲述了general GBDT的模型原理，链接：https://www.jianshu.com/p/943fcb6d651a。本文讲述...
-
逻辑回归的两种交叉熵损失函数
序 前面介绍了二分类与多分类情况下交叉熵损失的不同以及原因，但是在二分类中，逻辑回归的交叉熵损失函数同样具有两种形式，其原因是由类别取值所导致的...
-
交叉熵损失函数转自简单的交叉熵损失函数，你真的懂了吗？说起交叉熵损失函数「Cross Entropy Loss」，脑海中立马浮现出它的公式： 1. 交叉熵损失...
-
xgboost的原理没你想像的那么难xgboost 已然火爆机器学习圈，相信不少朋友都使用过。要想彻底掌握xgboost，就必须搞懂其内部的模型原理。这样才能将各个参数对应到模型内...
-
深入浅出--梯度下降法及其实现梯度下降的场景假设梯度梯度下降算法的数学解释梯度下降算法的实例梯度下降算法的实现Further reading 本文将从一个下山的场景开始，先提...
{var%20f='http://v.t.sina.com.cn/share/share.php?appkey=1881139527',u=z||d.location,p=['&url=',e(u),'&title=',e(t||d.title),'&source=',e(r),'&sourceUrl=',e(l),'&content=',c||'gb2312','&pic=',e(p||'')].join('');function%20a(){if(!window.open([f,p].join(''),'mb',['toolbar=0,status=0,resizable=1,width=440,height=430,left=',(s.width-440)/2,',top=',(s.height-430)/2].join('')))u.href=[f,p].join('');};if(/Firefox/.test(navigator.userAgent))setTimeout(a,0);else%20a();})(screen,document,encodeURIComponent,'','','https://upload.jianshu.io/collections/images/1791011/4db3c99f96bdab07123c7f6a298529e4.jpg', '推荐专题《机器学习算法》（ 分享自 @简书 ）','https://jianshuapi.com/c/806b4b14bca3?utm_campaign=maleskine&utm_content=collection&utm_medium=reader_share&utm_source=weibo','页面编码gb2312|utf-8默认gb2312'));){kind=link}