数据简介:电力用户的95598工单数据、电量电费营销数据等为基础,综合分析电费敏感客户特征,建立客户电费敏感度模型,对电费敏感用户的敏感程度进行量化评判,帮助供电企业快速、准确的识别电费敏感客户,从而对应的提供有针对性的电费、电量提醒等精细化用电服务。 在初赛中,参赛者需要以电力用户的95598工单数据、供电抢修服务数据、停电信息数据为基础,结合对受理工单文本内容的分析挖掘,建立客户停电敏感度模型,对客户对于停电事件的敏感程度进行量化分析,确定用户对停电事件是否敏感。 在复赛中,参赛者需要以电力用户的95598工单数据、电量电费营销数据等为基础,综合分析电费敏感客户特征,建立客户电费敏感度模型,对电费敏感用户的敏感程度进行量化评判,帮助供电企业快速、准确的识别电费敏感客户,从而对应的提供有针对性的电费、电量提醒等精细化用电服务。
2021-10-14 14:04:44 2.17MB 数据挖掘
XGBoost是很多CART回归树的集成, 也是一个大规模、 分布式的 通 用 GBDT 库 。 它 在 GB 框 架 下 实 现 了 GBDT (换 句 话 说XGBoost 拓展了GBDT) , 以及一些广义的线性机器学习算法。
2021-10-13 08:31:13 2.24MB xgboost
1
可编译安装,源代码分析 ,目前是最新版的,方便下载使用
2021-10-12 10:35:01 1.08MB 树分类 机器学习
1
xgboost Python3.5 windows 安装包(whl格式,直接pip install 即可)
2021-10-10 19:56:40 730KB xgboost
1
这是很全的机器学习理论的知识,是最好的自学机器学习的速查文档和速学方式,里面的内容涵盖机器学习的很多领域,从机器学习面试题集锦,到特征工程,正则等基础知识,到sklearn,spark等分布式,从线性回归,逻辑回归,决策树,朴素贝叶斯,adaboost,xgb,lightgbm,GBDT等主流的监督学习算法,到聚类,pca等非监督学习算法,从推荐系统到关联分析,svd等。最后一个OTO实战。 希望能够帮助到自学机器学习的小伙伴。
1
基于Xgboost的商业销售预测,以德国Rossmann商场的数据为例,通过对数据的探索性分析,以相关背景业务知识体系为基础,通过可视 化分析,提取隐含在数据里的特征,使用性能较优的Xgboost方法进行规则挖掘,取得较好效果。
2021-10-06 12:59:00 1.32MB Xgboost
1
多步骤提前预测 该项目的目的是研究时空数据的多步提前预测中的两个方面: 动态模型与静态模型:我们将比较几种静态模型和动态模型的性能。 动态模型都具有递归神经网络作为其体系结构的一部分。 在这些模型中,先前时间步长中的时间序列值用于导出循环网络的“状态”。 然后,将循环网络的输出扩充到数据中的其他要素,以形成完整的要素集。 相反,在静态模型中,没有递归的体系结构,并且先前时间步长上的时间序列值直接增加到其他特征上。 数据拆分方法:我们将研究将数据拆分为训练和验证模型对测试数据性能的影响的不同方法的效果。 与其他情况相比,为时间序列数据形成验证集更具挑战性。 具体来说,许多机器学习任务可以看作是插值,其中训练和测试集中的特征范围是相似的。 另一方面,时间序列预测(特别是多步提前预测)是一项外推任务。 我们要提出的问题是,在形成验证集时应考虑到这一点。 我们将研究形成验证集的不同方法。 我
2021-10-04 10:04:15 11.39MB neural-network lstm xgboost lightgbm
1
使用机器学习和Python进行贷款预测:使用xgboost和表决汇总技术设计预测模型,并使用pandas,seaborn和matplotlib从数据中提取见解
2021-09-30 15:21:42 352KB machine-learning scikit-learn pandas seaborn
1
利用XGBOost进行数据预测 二十个字好难凑啊
2021-09-28 17:08:06 44KB xgboost equipmentpv7 预测 control33v
本文通过XGBoost的算法思想到XGBoost的目标函数转换,通过泰勒公式和叶节点的角度对XGBoost目标函数进行转换,然后通过树结构的生成策略去生成每一颗模型树,最后讲解于GBDT的算法区别以及相关参数。 目录如下: 1.1XGBoost算法思想 1.2XGBoost目标函数 1.3XGBoost目标函数转化-结合泰勒公式 1.4XGBoost目标函数转换-以叶节点角度 1.5XGBoost目标函数求解和案例理解 1.6XGBoost学习策略-树结构的生成 1.7XGBoost特性-区别于GBDT 1.8XGBoost代码实战-相关参数 资料如下: 视频文件:
1