转载
2018-07-17 07:53:54
1756 阅读
原创
2018-07-16 15:56:09
1026 阅读
原创
2018-07-14 16:01:06
3893 阅读
原创
2018-07-14 15:44:08
2098 阅读
1点赞
原创
2018-07-08 17:02:45
3341 阅读
原创
2018-07-08 16:18:41
740 阅读
原创
2018-07-04 07:33:53
5253 阅读
原创
2018-07-01 17:26:16
663 阅读
转载
2018-07-01 16:34:41
902 阅读
转载
2018-07-01 16:32:40
747 阅读
本质上lightgbm和xgboost都是基于分类回归树集成的学习算法,所以他们也会有一些先天缺陷:当训练数据的特征都集中在一个区间内,而测试数据偏离该区间较大时会出现不能拟合的情况,根本原因是因为分类回归树对于某一个叶子节点上的数据的目标值是采取该叶子节点的目标值均值做梯度提升最终确定预测值的。比如我有个数据如下:x,y1,12,23,34,45,56,67,78,89,910,1011,111
原创
2018-06-24 09:11:09
1601 阅读
原创
精选 2018-06-22 11:23:55
10000+阅读
1点赞
原创
2018-06-15 15:47:31
4855 阅读
1收藏
2评论
原创
2018-06-14 15:01:36
10000+阅读
1点赞
原创
2018-06-13 10:50:32
6426 阅读
1评论
原创
2018-06-12 10:40:43
1370 阅读
1点赞
7评论
原创
2018-06-12 09:57:54
10000+阅读
原创
精选 2018-06-12 09:41:46
10000+阅读
1点赞
3评论
原创
2018-06-07 09:25:35
3692 阅读
1评论
转载
2018-05-25 17:05:41
10000+阅读
1收藏
1评论
原创
2018-05-25 16:30:58
2830 阅读
原创
2018-05-25 10:49:11
4017 阅读
原创
2018-05-23 08:38:13
2351 阅读
1评论
原创
2018-05-21 17:04:24
5206 阅读
2点赞
3评论
原创
2018-05-21 09:49:33
1527 阅读
原创
2018-05-17 07:50:52
10000+阅读
2点赞
18评论
转载
2018-05-16 08:55:40
1011 阅读
原创
2018-05-16 08:06:38
960 阅读
1点赞
原创
2018-05-15 10:47:24
6260 阅读
1点赞
原创
精选 2018-05-14 14:42:38
10000+阅读
2点赞
2收藏