xgboost ppt(4)--总结
2017-03-18 10:04
169 查看
1、我们如何来构造一个提升树分类器去做加权回归问题,这样每个实例都有一个有关重要性的权重?
2、回到时间序列的这个问题,如果我想学习这个随着时间变化的阶跃函数,这里有其他的方法去学习时间分隔么,除了从上到下的分裂方法?
1、我们如何来构造一个提升树分类器去做加权回归问题,这样每个实例都有一个有关重要性的权重?
(1)定义一个目标函数,对没有加权重的版本计算g和h,将它用于上一步树学习算法中。
(2)再次考虑模型和目标函数的分离,理论怎么能够帮助更好的去组织这些机器学习工具呢?
对于时间序列的问题:
我们已经知道了结构分数的计算:
(1)从上到下贪婪
(2)从下到上贪婪,从独立的点开始,一步步向上融合
(3)动态的,能够找到最优
总结
1、模型、目标函数、参数的分离能够帮助我们理解并且定制学习模型。
2、偏差-方差的平衡无所不在
3、清晰理论,指导实践
相关文章推荐
- xgboost ppt(1)——监督学习的主要概念
- xgboost ppt(3)——GB
- Windows下安装xgboost的过程总结及dll问题解决方案
- 机器学习-->集成学习-->Xgboost,GBDT,Adaboost总结
- 机器学习总结(lecture 17)算法:XGBoost(再理解!!)
- xgboost优化方法总结
- xgboost ppt(2)——回归树和组合
- 笔记(总结)-XGBoost的前世今生
- xgboost/gbdt 安装踩坑及总结
- XgBoost推导与总结
- 64位windows下Xgboost安装血与泪的总结
- 机器学习总结-GBDT,XGBOOST参数
- xgboost论文总结1
- boost asio 学习总结之 io_service
- boost::asio学习 - 常用方法总结
- 收集的QCon 北京(Beijing) 2010 PPT 及总结
- PPT(三)-参加学院PPT大赛初赛后的总结(1)
- PPT(13)案例分析—学院“学生资助政策宣传月”活动总结PPT
- 珠三角技术沙龙第 4 期总结(含照片、ppt 和视频)
- PPT(四)-参加学院PPT大赛初赛后的总结(2)