EL之Boosting之GB(DTR):利用梯度提升法解决回归(对多变量的数据集+实数值评分预测)问题
【摘要】 EL之Boosting之GB(DTR):利用梯度提升法解决回归(对多变量的数据集+实数值评分预测)问题
目录
输出结果
设计思路
核心代码
输出结果
设计思路
核心代码
xList = []labels = []names = []firstLine = Truefor line in data...
EL之Boosting之GB(DTR):利用梯度提升法解决回归(对多变量的数据集+实数值评分预测)问题
目录
输出结果
![]()

设计思路


核心代码
-
xList = []
-
labels = []
-
names = []
-
firstLine = True
-
for line in data:
-
if firstLine:
-
names = line.decode().strip().split(";")
-
firstLine = False
-
else:
-
row = line.decode().strip().split(";")
-
labels.append(float(row[-1]))
-
row.pop()
-
floatRow = [float(num) for num in row]
-
xList.append(floatRow)
文章来源: yunyaniu.blog.csdn.net,作者:一个处女座的程序猿,版权归原作者所有,如需转载,请联系作者。
原文链接:yunyaniu.blog.csdn.net/article/details/86062675
【版权声明】本文为华为云社区用户转载文章,如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱:
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论(0)