GBDT(sklearn)进行回归
来源:互联网 发布:淘宝个人店铺 发票 编辑:程序博客网 时间:2024/05/22 06:24
sklearn中可以使用GBDT进行分类和回归,下面是GBDT进行回归的文档
http://scikit-learn.org/stable/modules/generated/sklearn.ensemble.GradientBoostingRegressor.html#examples-using-sklearn-ensemble-gradientboostingregressor
gbdt回归小例子,可以使用交叉验证进行验证结果。
http://blog.csdn.net/superzrx/article/details/47073847
import numpy as npfrom sklearn.ensemble import GradientBoostingRegressorgbdt=GradientBoostingRegressor( loss='ls', learning_rate=0.1, n_estimators=100, subsample=1, min_samples_split=2, min_samples_leaf=1, max_depth=3, init=None, random_state=None, max_features=None, alpha=0.9, verbose=0, max_leaf_nodes=None, warm_start=False)train_feat=np.genfromtxt("train_feat.txt",dtype=np.float32)train_id=np.genfromtxt("train_id.txt",dtype=np.float32)test_feat=np.genfromtxt("test_feat.txt",dtype=np.float32)test_id=np.genfromtxt("test_id.txt",dtype=np.float32)print(train_feat.shape,train_id.shape,test_feat.shape,test_id.shape)gbdt.fit(train_feat,train_id)pred=gbdt.predict(test_feat)total_err=0for i in range(pred.shape[0]): print(pred[i],test_id[i]) err=(pred[i]-test_id[i])/test_id[i] total_err+=err*errprint(total_err/pred.shape[0])
阅读全文
0 0
- GBDT(sklearn)进行回归
- sklearn:GBDT
- GBDT(sklearn)参数详解
- sklearn:使用GBDT选择特征
- sklearn与GBDT入门案例
- sklearn的GBDT源码笔记
- sklearn 逻辑回归
- sklearn回归简单示例
- Sklearn-LogisticRegression逻辑回归
- sklearn一元线性回归
- sklearn--线性回归
- sklearn中的线性回归
- sklearn中的回归决策树
- 从回归树到GBDT
- CART回归树和GBDT
- 从回归树到GBDT
- gbdt与逻辑回归融合
- sklearn.GBDT 源码解读(宏观把握)
- formdata
- JavaWeb网页聊天室(WebSocket即时通讯)
- 堆排序
- leetcode485. Max Consecutive Ones
- Java单例模式
- GBDT(sklearn)进行回归
- Getmemory函数详解--内存操作的理解
- 大数据知识体系
- 如何减少GC出现的次数
- Python随机方法
- Java压缩算法性能比较
- Scrapy模拟登陆知乎流程图
- 原子变量
- 字母大写转小写源码