XZY_ai_PH-优快云博客

原创机器学习task2

一、XGBoost 1.1 XGBoost介绍 XGBoost是2016年由华盛顿大学陈天奇老师带领开发的一个可扩展机器学习系统。严格意义上讲XGBoost并不是一种模型，而是一个可供用户轻松解决分类、回归或排序问题的软件包。它内部实现了梯度提升树(GBDT)模型，并对模型中的算法进行了诸多优化，在取得高精度的同时又保持了极快的速度，在一段时间内成为了国内外数据挖掘、机器学习领域中的大规模杀伤性武器。更重要的是，XGBoost在系统优化和机器学习原理方面都进行了深入的考虑。毫不夸张的讲，XGBoost

2022-04-30 22:00:05 374

原创机器学习task1

一逻辑回归原理简介： Logistic回归虽然名字里带“回归”，但是它实际上是一种分类方法，主要用于两分类问题（即输出只有两种，分别代表两个类别）二程序函数 from sklearn.linear_model import LogisticRegression # 导入 1 lr_clf = LogisticRegression() # 调用-----逻辑回归模型 1 #用逻辑回归模型----拟合----构造的数据集，x_fearures为输入特征，y_label为预测的类别。其-...

2022-04-30 21:57:38 180

原创阿里天池Python训练营task4

列表定义类别，list，语法为 [元素1, 元素2, ..., 元素n] 有序集合没有固定大小能够保存任意数量任意类型python对象创建方法普通列表 range() 创建列表推导式创建列表混合列表空列表添加元素 append 方法 list.append 在列表末尾添加新的对象，只接受一个参数，参数可以是任何数据类型，被追加的元素在 list 中保持着原结构类型 extend 方法 list.extend(seq) 在列表末尾一次性追加另一个序列中的多个值（用新..

2022-04-30 21:22:59 245

原创阿里天池Python训练营task3

函数函数参数位置参数：arg1，这些参数在调用函数 (call function) 时位置要固定。默认参数：arg2，调用函数时，默认参数的值如果没有传入，则被认为是默认值。默认参数一定要放在位置参数后面，不然程序会报错。可变参数：*args，可以是从零个到任意个，自动组装成元组。加了星号（*）的变量名会存放所有未命名的变量参数。命名关键字参数：*, nkw，限制关键字参数的名字时使用。要特别注意调用时不能缺少参数名。关键字参数：**kwargs，可以是从零个到任意个，自动组装成字

2022-04-30 21:20:39 157

原创阿里天池Python训练营task2

列表简单数据类型整型<class 'int'> 浮点型<class 'float'> 布尔型<class 'bool'> 容器数据类型列表<class 'list'> 元组<class 'tuple'> 字典<class 'dict'> 集合<class 'set'> 字符串<class 'str'> 列表是有序集合，没有固定大小，能够保存任意数量任意类型的 Python 对象，语法为 [元素1, 元素

2022-04-30 21:17:51 136

原创阿里天池-Python训练营task1

一、数据类型 1.数据类型与转换保留浮点型小数点后n位，可以用decimal包里的Decimal对象和getcontext()方法实现,默认精度值是28位（prec=28) import decimal from decimal import Decimal #默认是28位 a=decimal.getcontext() print(a) #Context(prec=28, rounding=ROUND_HALF_EVEN, Emin=-999999, Emax=999999, capitals=1,.

2022-04-30 21:14:13 197

原创阿里云天池机器学习训练营任务四

通过设置 bagging_fraction 和 bagging_freq 参数来使用 bagging 方法。通过设置 feature_fraction 参数来使用特征的子抽样。选择较小的 max_bin 参数。使用 save_binary 在未来的学习过程对数据加载进行加速。 2.4.1.3 针对准确率的参数调整使用较大的 max_bin （学习速度可能变慢）使用较小的 learning_rate 和较大的 num_iterations 使用较大的 num_leaves （可能导致过

2022-03-31 09:45:10 178

原创阿里云天池机器学习训练营任务三

LightGBM是2017年由微软推出的可扩展机器学习系统，是微软旗下DMKT的一个开源项目，由2014年首届阿里巴巴大数据竞赛获胜者之一柯国霖老师带领开发。它是一款基于GBDT（梯度提升决策树）算法的分布式梯度提升框架，为了满足缩短模型计算时间的需求，LightGBM的设计思路主要集中在减小数据对内存与计算性能的使用，以及减少多机器并行计算时的通讯代价。 LightGBM可以看作是XGBoost的升级豪华版，在获得与XGBoost近似精度的同时，又提供了更快的训练速度与更少的内存消耗。正如其名字中的Li

2022-03-31 09:43:42 85

原创阿里云天池机器学习训练营任务二

XGBoost是2016年由华盛顿大学陈天奇老师带领开发的一个可扩展机器学习系统。严格意义上讲XGBoost并不是一种模型，而是一个可供用户轻松解决分类、回归或排序问题的软件包。它内部实现了梯度提升树(GBDT)模型，并对模型中的算法进行了诸多优化，在取得高精度的同时又保持了极快的速度，在一段时间内成为了国内外数据挖掘、机器学习领域中的大规模杀伤性武器。更重要的是，XGBoost在系统优化和机器学习原理方面都进行了深入的考虑。毫不夸张的讲，XGBoost提供的可扩展性，可移植性与准确性推动了机器学习计算

2022-03-31 09:42:12 79