Die Luft der Freiheit weht

文章目录1、问题分析1.1 赛题理解1.2 评价指标1、问题分析1.1 赛题理解1.2 评价指标本赛题评价指标：MAE（Mean Absolute Error）平均绝对误差。即绝对误差的平均值：yiy_iyi​：第i个样本实例的真实值yi^\hat{y_i}yi​^​:第i个样本的预测值MAE值越小，则模型越准确。MAE由来：衡量回归模型拟合的是否准确，首先会想到取各个点的差值求平均。MAE缺点： 实际拟合时，差值可能有正有负，那么求均值时会相互抵消，导致最终MAE值可能很小

文章目录目标函数构造目标函数目标函数优化问题基于决策树的目标函数选择分裂节点策略1、贪心算法2、近似算法3、加权分位数稀疏感知算法目标函数xgboost是由k个基模型组成的一个加法运算式。模型的预测精度由模型的偏差和方差共同决定，我们追求偏差小方差小的模型。损失函数代表了模型的偏差，提升模型复杂度可以减小偏差。但模型过于复杂时容易过拟合，使用正则项抑制模型复杂度。选用抑制模型复杂度的正则项Ω\OmegaΩ 来衡量。增加模型的复杂度通常会显著提升模型的方差并减少偏差。反过来，降低模型的复杂度则会

2019spring李宏毅老师的机器学习课程http://speech.ee.ntu.edu.tw/~tlkagk/courses.html学习进度：2019.3.29 ：1、anomaly detection（异常侦测系统）的创建过程： 2、评价Anomaly Detection系统好坏的方法：2019.3.30：待补充2019.4.2 ：μ、∑的计算方法A...

参考视频：https://www.bilibili.com/video/av26086646/参考文章：https://zhuanlan.zhihu.com/p/20794583目录一、特征选择二、决策树生成三、决策树剪枝决策树，是一种基本的分类与回归方法，可看做 if-then 规则的集合。决策树的路径特征：互斥且完备（即每一个样本均被且只能被一条路径所覆盖）...