静静的白桦林

摘要： https://lightgbm.readthedocs.io/en/latest/index.html https://www.cnblogs.com/jiangxinyang/p/9337094.html 阅读全文

摘要： 阅读全文

摘要： 一、数据读取Load Data 二、数据分析、数据展示、EDA 三、数据处理、特征工程 四、建模（模型性能比较、模型选择、超参调优） 五、模型理解、结果分析 一、数据读取Load Data 二、数据分析、数据展示、EDA 目的：对数据有个大体的理解，看有没有明显的特点及反常的表现，增强对数据、业务的 阅读全文

摘要： 说明： 1.anaconda把任何东西都当做包来管理。 2.anaconda本省集成了python和conda、spyder、numpy等。 3.pip只用于python，conda可用于多种语言。 参考资料： https://blog.csdn.net/Daliuvid/article/detai 阅读全文

摘要： 这个是我下载的原文在看，然后结合一些网上的资料学习，先贴一个网上的资料。 终于有人说清楚了XGBoost算法 XGBoost阅读之Weighted quantile sketch XGBoost论文翻译+个人注释 阅读全文

摘要： 一直对GBDT里面的具体计算逻辑不太清楚，在网上发现了一篇好博客。 先上总结的关系图 GBDT和XGBoost流程： GBDT对类别变量是怎么处理的？ 这些东西都是在网上发现的，讲的挺好的。 GBDT原理与Sklearn源码分析-回归篇 GBDT原理与Sklearn源码分析-分类篇 GBDT原理与实 阅读全文

摘要： 一、目标函数 结构风险最小： 目标函数=损失函数（loss function/cost function代价函数）+lamda*正则项 经验风险最小： 目标函数=损失函数（loss funciton/cost function代价函数） 二、GB理论 用损失函数的负梯度来拟合本轮损失的近似值，进而拟 阅读全文

摘要： sklearn中GBDT的损失函数 算法类型 损失函数 sklearn.GBDT分类问题 对数损失函数 deviance 指数损失函数exponential sklearn.GBDT回归问题 均方差ls 绝对损失lad huber损失 分位数损失quantile 参考资料： sklearn中GBDT 阅读全文

摘要： 包括两个数据结构：DataFrame和Series 官方文档地址： pandas https://pandas.pydata.org/pandas-docs/stable/index.html series https://pandas.pydata.org/pandas-docs/stable/r 阅读全文

摘要： 三个函数都是对series或df应用一个函数，但作用形式和应用目标不一样。map是series的方法，applymap是df的方法，apply对两者都可以用。 阅读全文