1. foreword TSA比賽中，開(kāi)始整的LR，把原始特征one-hot處理后輸入LR訓(xùn)練。過(guò)了段時(shí)間開(kāi)始搞RF和XGB，再后面搞LightGBM。 2. lightGB...
發(fā)簡(jiǎn)信
IP屬地：貴州
-
lightGBM原理、改進(jìn)簡(jiǎn)述 如何看待lightGBM
-
為什么有人說(shuō)python的多線程是雞肋呢？
GIL blablabla concurrent blablabla 簡(jiǎn)單地說(shuō)就是作為可能是僅有的支持多線程的解釋型語(yǔ)言（perl的多線程是殘疾，PHP沒(méi)有多線程），Pyth...
-
機(jī)器學(xué)習(xí)算法中 GBDT 和 XGBOOST 的區(qū)別有哪些？
傳統(tǒng)GBDT以CART作為基分類器，xgboost還支持線性分類器，這個(gè)時(shí)候xgboost相當(dāng)于帶L1和L2正則化項(xiàng)的邏輯斯蒂回歸（分類問(wèn)題）或者線性回歸（回歸問(wèn)題）。傳統(tǒng)G...
-
通俗、有邏輯的寫(xiě)一篇說(shuō)下Xgboost的原理，供討論參考初看Xgboost，翻了多篇博客發(fā)現(xiàn)關(guān)于xgboost原理的描述實(shí)在難以忍受，缺乏邏輯性，寫(xiě)一篇供討論。 ——以下是拋磚引玉。 觀其大略，而后深入細(xì)節(jié)，一開(kāi)始扎進(jìn)公式反正我是...
-
XGBoost參數(shù)調(diào)優(yōu)完全指南（附Python代碼）
xgboost入門(mén)非常經(jīng)典的材料，雖然讀起來(lái)比較吃力，但是會(huì)有很大的幫助： 英文原文鏈接:https://www.analyticsvidhya.com/blog/2016/...
-
Triplet Network, Triplet Loss及其tensorflow實(shí)現(xiàn)本文譯自O(shè)livier Moindrot的[blog](Triplet Loss and Online Triplet Mining in TensorFlow)，英語(yǔ)好的可...
-
主題與轉(zhuǎn)換（Topics and Transformations）
如果想要開(kāi)啟日志，別忘記設(shè)置： >>>importlogging>>>logging.basicConfig(format='%(asctime)s : %(levelnam...
-
使用gensim和sklearn搭建一個(gè)文本分類器
總的來(lái)講，一個(gè)完整的文本分類器主要由兩個(gè)階段，或者說(shuō)兩個(gè)部分組成：一是將文本向量化，將一個(gè)字符串轉(zhuǎn)化成向量形式；二是傳統(tǒng)的分類器，包括線性分類器，SVM, 神經(jīng)網(wǎng)絡(luò)分類器等等...
-
LDA算法的中心思想淺顯來(lái)講，LDA方法的考慮是，對(duì)于一個(gè)多類別的分類問(wèn)題，想要把它們映射到一個(gè)低維空間，如一維空間從而達(dá)到降維的目的，我們希望映射之后的數(shù)據(jù)間，兩個(gè)類別之間“離得越遠(yuǎn)”，且類別...
-
Corpora and Vector Spaces （gensim翻譯）
====================正==========文==================== 如果你想記錄日志，請(qǐng)不要忘記設(shè)置： >>> import loggi...
-
Gensim Tutorials
Preliminaries All the examples can be directly copied to your Python interpreter shell....
-
Hidden Markov Model (HMM)定義隱馬爾可夫模型（Hidden Markov Model，HMM）是統(tǒng)計(jì)模型，它用來(lái)描述一個(gè)含有隱含未知參數(shù)的馬爾可夫過(guò)程。其難點(diǎn)是從可觀察的參數(shù)中確定該過(guò)程的隱含參數(shù)。然后利...
-
LDA小改進(jìn)（附源碼）
首先通俗的解釋下Topic模型LDA：假如我們需要寫(xiě)一篇關(guān)于新上市汽車的文章，首先需要確定文章大概的主題，比如要寫(xiě)這輛汽車的動(dòng)力、外觀、內(nèi)飾。確定完主題之后，就要下筆了，下筆...
-
數(shù)據(jù)挖掘中的聚類算法如果真要做全面介紹的話，有可能是一部專著的篇幅。即使是做綜述性的介紹，一篇三五十頁(yè)的論文也可以寫(xiě)成了。所以我一直想怎么能從頭到尾把這個(gè)問(wèn)題logically串連起來(lái)。正好這段...
-
-
分類算法之決策樹(shù)(Decision tree)3.1、摘要 在前面兩篇文章中，分別介紹和討論了樸素貝葉斯分類與貝葉斯網(wǎng)絡(luò)兩種分類算法。這兩種算法都以貝葉斯定理為基礎(chǔ)，可以對(duì)分類及決策問(wèn)題進(jìn)行概率推斷。在這一篇文章中，將討...