EL之GB(GBM):利用GB对回归(性别属性编码+调2参)问题(整数值年龄预测)建模

举报
一个处女座的程序猿 发表于 2021/03/30 04:16:16 2021/03/30
【摘要】 EL之GB(GBM):利用GB对回归(性别属性编码+调2参)问题(整数值年龄预测)建模       目录 输出结果 设计思路 核心代码       输出结果 T1、 T2、 设计思路   核心代码 #T1nEst = 2000depth = 5learnRate = 0.003maxFeatures = Nonesubsam...

EL之GB(GBM):利用GB对回归(性别属性编码+调2参)问题(整数值年龄预测)建模

 

 

 

目录

输出结果

设计思路

核心代码


 

 

 

输出结果

T1、

T2、

设计思路

 

核心代码


  
  1. #T1
  2. nEst = 2000
  3. depth = 5
  4. learnRate = 0.003
  5. maxFeatures = None
  6. subsamp = 0.5
  7. #T2
  8. # nEst = 2000
  9. # depth = 5
  10. # learnRate = 0.005
  11. # maxFeatures = 3
  12. # subsamp = 0.5
  13. abaloneGBMModel = ensemble.GradientBoostingRegressor(n_estimators=nEst, max_depth=depth,
  14. learning_rate=learnRate, max_features=maxFeatures,
  15. subsample=subsamp, loss='ls')
  16. abaloneGBMModel.fit(xTrain, yTrain)
  17. # compute mse on test set
  18. msError = []
  19. predictions = abaloneGBMModel._staged_decision_function(xTest)
  20. for p in predictions:
  21. msError.append(mean_squared_error(yTest, p))

 

 

 

 

 

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/86377011

【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

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。