我正在计算提升梯度以确定模型中变量的重要性，但是我正在执行重采样以确定每个变量的重要性如何表现。library(gbm)library(AmesHousing)
imp_gbmsumma
浏览 12提问于2019-11-06得票数 1
回答已采纳
我得到了一个pickle文件，其中包含一个经过训练的梯度提升模型，该模型是由其他人在另一台机器上训练的。我意识到我不能在我的机器上使用 gbmodel = pickle.load(f)
我当前版本的scikit-learn然后，我尝试安装其他版本的sklearn，但不断收到与sklearn相
浏览 42提问于2021-05-31得票数 0
1回答
我正在尝试选择功能，从梯度提升使用引导-执行引导通过BaggingRegressor在科学知识-学习。我不确定这是否可能或正确，但这是我尝试过的：bag = BaggingReg
浏览 2提问于2020-03-06得票数 1
回答已采纳
1回答
我有一个具有多个输出的数据集，并且正在尝试使用梯度提升来一次预测所有值。我导入了MultiOutputRegressor，因此可以一次预测多个输出；我能够使其适用于默认的梯度提升函数。然而，当我试图优化每个输出的梯度提升函数时，我遇到了一个错误。param_grid = LR, scoring = 'r2')tuning
浏览 20提问于2021-04-27得票数 0
1回答
我有一个包含3961个不同行和32列的训练数据，我希望将其适合随机森林和梯度提升模型。在训练时，我需要微调模型的超参数，以获得尽可能好的AUC。为此，我使用Scipy中描述的盆地跳跃算法最小化数量1-AUC(Y_real，Y_pred)；因此我的训练和内部验证子样本是相同的。当优化完成后，我得到了随机森林的AUC=0.994，而对于梯度提升我得到了AUC=1。我是
浏览 10提问于2021-01-20得票数 0
1回答
我必须使用梯度引导决策树在Python中构建一个分类模型，并获得模型参数(节点处的值)以在硬件上实现。据我所知，梯度增强决策树的最终结果是一个具有阈值的普通决策树分类器，用于对输入数据进行分类。我读过以下文章：
model.estimators_包含模型所包含的所有单个分类器。对于GradientBoostingClassifier，这是一个带有形状的二维numpy数组(n_
浏览 0提问于2019-04-23得票数 0
回答已采纳
1回答
在梯度提升的范畴中，我发现一些术语令人困惑。但是梯度增强器(GBM)和GBDT是一回事吗？他们只是名字不一样吗？除了GBM/GBDT和XGBoost之外，还有其他的模型属于梯度提升的范畴吗？
浏览 0提问于2020-09-19得票数 4
回答已采纳
3回答
是否需要特征选择？
、、、
我想运行一些机器学习模型，如随机森林，梯度提升，或支持向量机在我的数据集。我的数据集中有超过200个预测变量，我的目标类是一个二进制变量。
在模型拟合之前，我需要运行特征选择吗？如果我直接使用所有的预测变量来拟合模型，它会对模型的性能产生显著的影响还是没有多大的差异？
浏览 0提问于2017-01-04得票数 14
回答已采纳
2回答
有没有人知道我能不能用R语言打开一个腌过的sklearn Python算法？或者，如果我可以用一种不同的方式将训练好的模型保存在sklearn中，可以在R中打开和使用？具体地说，我正在研究一个梯度提升模型。谢谢!
浏览 24提问于2019-06-07得票数 0
回答已采纳
1回答
我在机器学习方面还是新手，我一直在努力扩大我对机器学习的认识。对于我的第一个项目，我想分类一个推特是自杀还是没有使用梯度提升算法。但我不明白的是，这些数字/向量是如何被模型处理来训练和预测的。希望有人能解释纯文本是如何转换成文字的，以及当它们
浏览 0提问于2022-09-06得票数 1
我使用梯度提升进行分类。虽然结果正在改善，但我得到了有效的NaN。interaction.depth = GBM_DEPTH , verbose = TRUE结果如何调整参数以获得有效偏差
浏览 0提问于2016-05-08得票数 10
8回答
大规模机器学习
、、、、
我需要在大数据集(100-1000亿条记录)上运行各种机器学习技术问题主要围绕文本挖掘/信息提取，包括各种内核技术，但并不局限于它们(我们使用一些贝叶斯方法，自举，梯度提升，回归树-许多不同的问题和解决它们的方法)
最好的实现是什么？是否有任何可扩展和可定制的机器学习库使用MapReduce基础设施对c++有强烈的偏好，但Java和python都可以使用Amazon Az
浏览 0提问于2010-07-09得票数 27
回答已采纳
2回答
我试图理解“反向传播”，因为它是使用梯度下降优化的神经网络。读一读文学作品，似乎做了几件事。
上述步骤似乎是线性模型的精确求解过程(例如，回归)。安德鲁·吴的“机器学习课程”与线性回归课程完全一样。所以，我想弄清楚B
浏览 11提问于2016-06-28得票数 4
回答已采纳
1回答
我试着构建一个策略梯度RL机器，让我们来看一下通过采用梯度来更新模型参数的增强型方程(如果表示法有点非常规的话，我很抱歉)：我不确定的My问题如下：
我是计算每个时间步骤的梯度值，$t$ (类似于SGD方式)，还是在插曲的所有时间步骤上平均梯度是一个更好的</em
浏览 0提问于2018-09-19得票数 5
回答已采纳
这是由于Lightgbm使用了损失函数的二阶近似，因此我们可以按以下方式近似损失然而，对于L1损耗，损耗梯度的绝对值为常数，其绝对值为0。我也读过这些来处理这个问题，
对于这些带有first_order_gradient的目标函数是常数的，LightGBM对它们有一个特殊的处理：(.)它将使用常数梯度来学习树结构，而用残差来计算叶的输出然而，即使使用
浏览 0提问于2020-02-09得票数 2
2回答
我已经训练了我的梯度提升分类器，并使用pickle保存了模型 pickle.dump(xgb_clf, f_out)现在我需要在全新的数据上测试性能，但我现在不知道如何测试。with open('model.bin', 'rb')
浏览 17提问于2021-03-02得票数 0
回答已采纳
1回答
我想用scikit-learn来训练我的数据集，但是把最终的梯度提升到其他地方，这样我就可以直接在另一个平台上做预测了。我知道，我们可以通过访问regressor.estimators[].tree_获得回归者使用的单个决策树。我想知道的是如何将这些决策树组合在一起，以做出最终的回归预测。
浏览 0提问于2020-12-23得票数 0
回答已采纳
我正在尽力重新创建一个公司正在使用的算法，方法是吸收所有的输出并添加一些相关变量(由于缺少库存数据，我无法完美地重新创建该算法)。我猜这是一份机器学习的工作，但我想知道我是从哪里开始的？我该用的软件？我应该潜入的课程？
浏览 0提问于2019-12-07得票数 0
考虑一个简单的一维函数y = x^2，用梯度上升法求出最大值.梯度上升给出更新规则:x= old_x + learning_rate *梯度
我不明白为什么我们需要用learing_rate乘以gradient。为什么我们不能仅仅使用x = old_x + learning_rate * sign(gradient)。因为如果我们朝着一个积极的方向迈出了learning_rate的一步，它已经是我们可以实现的x的最大
浏览 0提问于2021-01-16得票数 3
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
