2020年10月19日
集成学习详解
摘要： 公式推导 模型调参 GBDT主要的优点有： 可以灵活处理各种类型的数据，包括连续值和离散值。 在相对少的调参时间情况下，预测的准确率也可以比较高。这个是相对SVM来说的。 使用一些健壮的损失函数，对异常值的鲁棒性非常强。比如 Huber损失函数和Quantile损失函数。 GBDT的主要缺点有： 由 阅读全文
posted @ 2020-10-19 21:10 0-1-world 阅读(86) 评论(0) 推荐(0) 编辑