10、Gradient Boosting 和 AdaBoost 算法
当我们要处理很多数据来做一个有高预测能力的预测时，我们会用到 GBM 和 AdaBoost 这两种 boosting 算法 。boosting 算法是一种集成学习算法 。它结合了建立在多个基础估计值基础上的预测结果，来增进单个估计值的可靠程度 。这些 boosting 算法通常在数据科学比赛如 Kaggl、AV Hackathon、CrowdAnalytix 中很有效 。
更多： 详尽了解 Gradient 和 AdaBoost
Python代码
#Import Libraryfrom sklearn.ensemble import GradientBoostingClassifier#Assumed you have, X (predictor) and Y (target) for training data set and x_test(predictor) of test_dataset# Create Gradient Boosting Classifier objectmodel= GradientBoostingClassifier(n_estimators=100, learning_rate=1.0, max_depth=1, random_state=0)# Train the model using the training sets and check scoremodel.fit(X, y)#Predict Outputpredicted= model.predict(x_test)GradientBoostingClassifier 和随机森林是两种不同的 boosting 树分类器 。人们常常问起这两个算法之间的区别 。
推荐阅读
- 用Python构建深度学习应用
- 人工智能大众化的必经之路：机器学习
- 演讲稿：努力学习 勤奋学习演讲稿
- 告别三高 给你介绍10种茶喝
- 当机器人用上5G！万达-华为5G大赛将启动技术测验
- Java中变量命名规则
- Python 学习指南
- 学习24式太极拳 从练好站庄开始
- 学习太极拳好处多 调理肩周炎又强身
- 机器人替你看广告？秒针系统发布报告揭开异常流量的面具……