Lv.2
地上一只鹅~
更多个人资料
56
成长值
0
关注
0
粉丝
+ 关注
私信
个人介绍
壁花少年
感兴趣或擅长的领域
人工智能、IOT、编程语言
个人勋章
TA还没获得勋章~
成长雷达
30
6
0
0
20
个人资料
个人介绍
壁花少年
感兴趣或擅长的领域
人工智能、IOT、编程语言
达成规则
以上满足
项可达成此勋章
博客
关注
粉丝
论坛
全部时间
全部时间
最近三天
最近一周
最近一月
全部
暂无专栏分类
Stacking集成学习挑战天池新人赛【工业蒸汽量预测 】(5) 参数调优
之前的文章已经介绍了stacking集成学习的初级学习模型和次级学习模型的构建,并且生成了蒸汽量的预测数据。下面将介绍之前用到的学习模型的参数调优,利用sklearn提供的GridSearchCV方法对RandomForestRegressor、GradientBoostingRegressor、xgboost的参数调优。由于时间关系下面只做简单实例XGBRegressorfrom skle...
其他
地上一只鹅~
2018-12-30 15:07:36
3013
0
0
2018-12-30 15:07:36
999+
0
0
Stacking集成学习挑战天池新人赛【工业蒸汽量预测 】 (4) 次级学习模型构建,并生成预测数据
次级学习模型选用LinearRegression数据处理input_train = [rf_oof_train, gb_oof_train, xgb_oof_train] input_test = [rf_oof_test, gb_oof_test, xgb_oof_test]stacked_train = np.concatenate([f.reshape(-1, 1) for f in ...
其他
地上一只鹅~
2018-12-30 13:13:17
3008
0
0
2018-12-30 13:13:17
999+
0
0
Stacking集成学习挑战天池新人赛【工业蒸汽量预测 】 (3) 初级学习模型构建
本项目暂时选取RandomForestRegressor,GradientBoostingRegressor和xgboost三种模型作为初级学习模型。导入所需库from sklearn.ensemble import RandomForestRegressor, GradientBoostingRegressorimport xgboost as xgb设置参数# RandomForest...
机器学习,
地上一只鹅~
2018-12-30 13:00:25
3124
0
0
2018-12-30 13:00:25
999+
0
0
Stacking集成学习挑战天池新人赛【工业蒸汽量预测 】 (2) 基础类、交叉验证方法构建
由于后续将使用sklearn库实现大部分的初级学习模型,这里将构建一个sklern基础类,方便代码的使用和拓展。基础类构建class SklearnHelper(object): def __init__(self, clf, seed=0, params=None): params['random_state'] = seed self.clf = clf...
机器学习
地上一只鹅~
2018-12-30 12:53:33
3005
0
1
2018-12-30 12:53:33
999+
0
1
Stacking集成学习挑战天池新人赛【工业蒸汽量预测 】(1) 数据预处理
stacking简介stacking是一种通过组合其他学习模型来训练一个学习模型的集成学习方法,是经常被各种数据竞赛优胜者使用来提升预测效果的一大利器。通常的思路是先训练多个不同的初级学习模型,采用交叉验证的方式,用训练初级学习模型未使用的样本来产生次级学习模型的训练样本(即之前训练的各个模型的输出做为次级模型的输入)来训练一个模型,以得到最终的输出。下面以预测工业蒸汽量为目标展示stack...
机器学习
地上一只鹅~
2018-12-30 12:51:47
3862
0
0
2018-12-30 12:51:47
999+
0
0
https://www.baidu.com/s?ie=utf-8&f=3&rsv_bp=0&rsv_idx=1&tn=baidu&wd=sed%20%E6%9B%BF%E6%8D%A2%E5%AD%97%E7%AC%A6%E4%B8%B2&rsv_pq=c7db61a600035dc5&rsv_t=5e19yEsbV9N5fIvdlGRU
+ 关注
私信