摘要：
目录特征选择一、特征选择学习目标二、特征选择引入三、特征选择详解3.1 无关特征和冗余特征3.2 过滤式特征选择3.2.1 卡方检验3.2.2 方差过滤3.2.3 相关系数过滤3.2.4 F检验3.2.5 互信息过滤3.3 包裹式特征选择3.3.1 递归特征消除3.4 嵌入式特征选择3.5 高级特征 阅读全文
摘要：
目录特征预处理一、特征预处理学习目标二、特征预处理详解2.1 缺失值处理2.1.1 删除缺失值2.1.2 填充缺失值2.2 离群值处理2.2.1 获取离群值2.2.2 离群值处理2.3 数据类型转换2.3.1 自定义数据类型编码2.3.2 scikit-learn数据类型编码2.3.3 独热编码2. 阅读全文
摘要：
目录scikit-learn库之随机森林一、RandomForestClassifier1.1 使用场景1.2 代码1.3 参数1.4 属性1.5 方法二、RandomForestRegressor 更新、更全的《机器学习》的更新网站，更有python、go、数据结构与算法、爬虫、人工智能教学等着你 阅读全文
摘要：
目录随机森林代码(葡萄酒质量检测)一、导入模块二、导入数据三、数据预处理四、训练模型五、度量模型 更新、更全的《机器学习》的更新网站，更有python、go、数据结构与算法、爬虫、人工智能教学等着你：https://www.cnblogs.com/nickchen121/p/11686958.htm 阅读全文
摘要：
目录Bagging算法和随机森林一、Bagging算法和随机森林学习目标二、Bagging算法原理回顾三、Bagging算法流程3.1 输入3.2 输出3.3 流程四、随机森林详解4.1 随机森林和Bagging算法区别五、随机森林拓展5.1 Extra Trees5.2 Totally Rando 阅读全文
摘要：
目录XgBoost算法一、XgBoost算法学习目标二、XgBoost算法详解2.1 XgBoost算法参数2.2 XgBoost算法目标函数2.3 XgBoost算法正则化项2.4 XgBoost算法最小化目标函数2.5 XgBoost算法举例三、XgBoost算法优缺点3.1 优点3.2 缺点四 阅读全文
摘要：
目录梯度提升算法代码(鸢尾花分类)+交叉验证调参一、导入模块二、导入数据三、构造决策边界四、训练模型4.1 可视化五、交叉验证训练模型5.1 找到合适n_estimators5.2 找到合适max_depth和min_samples_split5.3 使用最优参数训练模型5.4 使用非最优参数训练模 阅读全文
摘要：
目录scikit-learn库之梯度提升树一、GradietBoostingClassifier1.1 使用场景1.2 参数1.3 属性1.4 方法二、GradietBoostingClassifier 更新、更全的《机器学习》的更新网站，更有python、go、数据结构与算法、爬虫、人工智能教学等 阅读全文
摘要：
目录梯度提升树一、梯度提升树学习目标二、梯度提升树详解2.1 梯度提升树和提升树三、回归梯度提升树流程3.1 输入3.2 输出3.3 流程四、梯度提升树优缺点4.1 优点4.2 缺点五、小结 更新、更全的《机器学习》的更新网站，更有python、go、数据结构与算法、爬虫、人工智能教学等着你：htt 阅读全文
摘要：
目录提升树一、提升树学习目标二、提升树引入三、提升树详解3.1 加法模型3.2 前向分步算法3.3 提升树与AdaBoost算法3.4 回归提升树3.4.1 前向分步算法3.4.2 平方误差损失函数四、回归提升树流程4.1 输入4.2 输出五、流程六、提升树优缺点6.1 优点6.2 缺点七、小结 更 阅读全文