手写算法实现xgboost(并与库模型进行比较)

上传者: 45508265 | 上传时间: 2022-05-07 09:11:11 | 文件大小: 1.18MB | 文件类型: RAR
Boosting 方法的主要⽬标是将弱分类器“提升” 为强分类器,根据前⼀个弱分类器的训练效果对样本分布进行调整,再根据新的样本分布训练下⼀个弱分类器,如此迭代,最后将⼀系列弱分类器组合成⼀个强分类器。 XGBoost是boosting算法的其中一种。Boosting算法的思想是将许多弱分类器集成在一起形成一个强分类器。因为XGBoost是一种提升树模型,所以它是将许多树模型集成在一起,形成一个很强的分类器。 手写xgboost算法,几乎实现xgboost的所有算法,之中有与xgboost库进行比较xgboos的性能和方法,结果是差不多的,达到了预期的要求,简单的数据集也放在了上面。 并且这之中包括详细的注释,也包括了很多有关于xgboost的原理,是我手写xgboost算法之中做的一些记录和笔记,这里面也有对数据集的种种可视化,数据集也在文件里面。

文件下载

资源详情

[{"title":"( 5 个子文件 1.18MB ) 手写算法实现xgboost(并与库模型进行比较)","children":[{"title":"premium.csv <span style='color:#111;'> 54.32KB </span>","children":null,"spread":false},{"title":"手写xgboost算法实现.pdf <span style='color:#111;'> 1.11MB </span>","children":null,"spread":false},{"title":"MyXGBoost.py <span style='color:#111;'> 12.37KB </span>","children":null,"spread":false},{"title":"医疗保险费用预测 .ipynb <span style='color:#111;'> 139.64KB </span>","children":null,"spread":false},{"title":"医疗保险预测.py <span style='color:#111;'> 4.78KB </span>","children":null,"spread":false}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明