所见即为所得，自助购买www.bbfx.cc，源码下载www.txym.site

信息加载中,请等待...

当前目录：首页 /- /IT技术05 /11 /08.Python-百战-python全栈工程师[完结] /23-人工智能基础_机器学习理论和实战 /章节15：XGBoost算法

110：讲解XGBOOST之前回顾有监督机器学习.mp4
110：讲解XGBOOST之前回顾有监督机器学习【学习】.mp4
111：讲解XGBOOST之前回顾目标式的基于决策树的集成学习.mp4
111：讲解XGBOOST之前回顾目标式的基于决策树的集成学习【学习】.mp4
112：讲解XGBOOST目标函数_里面包含了正则项.mp4
112：讲解XGBOOST目标函数_里面包含了正则项【学习】.mp4
113：讲解XGBOOST目标函数_本质使用泰勒展开二阶去逼近.mp4
113：讲解XGBOOST目标函数_本质使用泰勒展开二阶去逼近【学习】.mp4
114：简化XGBOOST目标函数_引入了gi_hi这两个符号.mp4
114：简化XGBOOST目标函数_引入了gi_hi这两个符号【学习】.mp4
115：换一种方式表达一颗树.mp4
115：换一种方式表达一颗树【学习】.mp4
116：把复杂度部分带入XGBOOST目标函数并简化.mp4
116：把复杂度部分带入XGBOOST目标函数并简化【学习】.mp4
117：XGBOOST的最终目标函数形式和叶子节点上分值的形式.mp4
117：XGBOOST的最终目标函数形式和叶子节点上分值的形式【学习】.mp4
118：回顾推导出来的W和Obj公式的作用.mp4
118：回顾推导出来的W和Obj公式的作用【学习】.mp4
119：在训练下一颗树的时候已经会根据上一时刻整体的结果来去计算每个样本的g和h.mp4
119：在训练下一颗树的时候已经会根据上一时刻整体的结果来去计算每个样本的g和h【学习】.mp4
120：具体根据收益公式来去贪婪的生长出每一颗决策树.mp4
120：具体根据收益公式来去贪婪的生长出每一颗决策树【学习】.mp4
121：后续关于计算的优化_离散变量_剪枝.mp4
121：后续关于计算的优化_离散变量_剪枝【学习】.mp4
122：总结了xgboost流程_对样本自身带权重值xgboost如何解决.mp4
122：总结了xgboost流程_对样本自身带权重值xgboost如何解决【学习】.mp4
123：总结xgboost需要理解的一些点.mp4
123：总结xgboost需要理解的一些点【学习】.mp4
124：xgboost和GBDT区别.mp4
124：xgboost和GBDT区别【学习】.mp4
125：关于xgboost的安装.mp4
125：关于xgboost的安装【学习】.mp4
126：对数据集预处理做前期准备.mp4
126：对数据集预处理做前期准备【学习】.mp4
127：对数据集预处理_去掉数值种类非常多的city字段_出生日期转换为年龄_空值太多把维度变成01编码.mp4
127：对数据集预处理_去掉数值种类非常多的city字段_出生日期转换为年龄_空值太多把维度变成01编码【学习】.mp4
128：对数据集预处理_填充其它的空值_对某些维度连续性数据的离散化.mp4
128：对数据集预处理_填充其它的空值_对某些维度连续性数据的离散化【学习】.mp4
129：字符串的数值化_离散型数据one-hot编码_重新分为训练和测试_落地保存.mp4
129：字符串的数值化_离散型数据one-hot编码_重新分为训练和测试_落地保存【学习】.mp4
130：读取处理好的数据_给定一些xgboost需要的超参数.mp4
130：读取处理好的数据_给定一些xgboost需要的超参数【学习】.mp4
131：调用xgboost来训练模型_可以选择去使用CV交叉验证得到合适的超参数.mp4
131：调用xgboost来训练模型_可以选择去使用CV交叉验证得到合适的超参数【学习】.mp4
132：调整xgboost一些超参数来提升模型的ACC和AUC.mp4
132：调整xgboost一些超参数来提升模型的ACC和AUC【学习】.mp4
代码.rar