腾讯云
开发者社区
文档
建议反馈
控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
登录/注册
精选内容/技术社群/优惠产品,
尽在小程序
立即前往
文章
问答
(9999+)
视频
沙龙
1
回答
梯度提升
树
的弱学习
分类
/多类
分类
、
、
我是机器学习领域的初学者,我想学习如何使用梯度增强
树
(GBT)进行多类
分类
。我读过一些关于GBT的文章,但是关于
回归
问题,我找不到关于GBT多类
分类
的正确解释。GBT的实现是利用
回归
树
作为弱学习者进行多类
分类
的GradientBoostingClassifier。 GB以提前阶段的方式建立了一个加性模型;它允许对任意可微损失函数进行优化。在每个阶段,n_classes_
回归
树
都适用于二项或多项偏差损失函数的负梯度。二进制
分类
浏览 0
提问于2018-04-25
得票数 0
回答已采纳
1
回答
分类
问题的RandomForestRegressor
、
、
、
那么,为什么RandomForestRegressor在二进制
分类
问题上表现得更好呢?
浏览 2
提问于2020-01-06
得票数 0
回答已采纳
1
回答
树
如何知道是建立
分类
树
还是
回归
树
?
我正在学习
分类
/
回归
构建树,并想了解
树
函数是如何知道是构建
分类
树
还是
回归
树
。下面构建
分类
树
:library(ISLR)这将创建一个
回归
树
:set.
浏览 2
提问于2020-03-19
得票数 1
回答已采纳
1
回答
分类
和
回归
决策
树
是如何工作的?
、
我可以知道
分类
和
回归
决策
树
是如何工作的吗?我想知道决策
树
是如何从
分类
到投影计算的。(例如,投影是基于特定组的模式吗?)(
分类
决策
树
);它是特定组的平均值吗?(
回归
决策
树
) 我想知道决策
树
背后的理论。
浏览 1
提问于2018-01-18
得票数 1
回答已采纳
4
回答
如何在Python中可视化
回归
树
、
、
、
、
我希望可视化一个
回归
树
构建使用任何集成方法在科学学习(梯度提升
回归
,随机森林
回归
,打包
回归
)。靠近,处理
分类
器
树
。但是,这些问题需要“
树
”方法,这是SKLearn中的
回归
模型所不能使用的。我遇到了问题,因为这些
树
的
回归
版本没有.tree方法(该方法只存在于
分类
版本)。我想要一个类似于的输出,但是基于一个sci工具包,学习
树
。 我已经探索了与对象相关的方法,但无法给
浏览 4
提问于2017-11-09
得票数 2
回答已采纳
1
回答
用于预测建模的决策
树
、
、
现在使用
回归
方法,我可以得到一个将辐射和通量联系起来的数学模型,并且可以用来预测新辐射度值的通量,而不需要其他新的输入。 是否可以使用决策
树
或
回归
树
来执行相同的操作?在
回归
中,有一个连接因变量和自变量的数学方程。使用决策
树
,您如何开发这样的模型?
浏览 0
提问于2013-07-13
得票数 0
1
回答
如何在matlab中指定
回归
树
的深度?
、
、
我正在使用
回归
树
()对一些数据进行
分类
。我的数据有9个特征,但是
回归
树
只会给我一个基于拆
分类
的最佳两个特征的决策
树
。我希望看到在
分类
中使用更多的特征。我已经阅读了文档,但什么也没找到。
浏览 2
提问于2013-04-18
得票数 1
2
回答
为什么连续特征在决策
树
模型中比
分类
特征更重要?
、
、
、
、
我的预测模型中既有
分类
特征,也有连续特征,我希望选择(和排序)最重要的特征。虽然决策
树</em
浏览 0
提问于2020-01-15
得票数 9
回答已采纳
2
回答
决策
树
回归
器的结果是如何连续的?
、
、
、
我使用sklearn.tree.DecisionTreeRegressor预测了一个具有两个独立变量的
回归
问题,即特征"X","Y“和预测的可靠变量"Z”。当我绘制
树
时,叶子似乎与
分类
树
没有太大不同。结果不是每个叶上的函数,而是每个叶上的单个值,就像在
分类
中一样。 有人能解释一下,为什么这被称为
回归
,为什么它不同于
分类
树
吗?因为我似乎误解了sklearn类,有没有python的
树
包,它会进行“真
浏览 46
提问于2021-01-08
得票数 0
2
回答
线性
回归
与随机森林性能精度
、
如果数据集包含一些特征,其中一些是
分类
变量,另一些是连续变量,则决策
树
比线性
回归
更好,因为
树
可以根据
分类
变量准确地划分数据。是否存在线性
回归
优于随机森林的情况?
浏览 2
提问于2018-06-26
得票数 3
1
回答
物流
回归
和决策
树
之间有没有关系?
、
、
我尝试制作一棵决策
树
,并用预测功能预测
树
的结果。当类型为"prob“时,它将返回获得结果的概率,而不是简单地对其进行
分类
。我认为它非常接近逻辑
回归
。 你能告诉我他们之间有什么关系吗?
浏览 6
提问于2018-12-06
得票数 0
1
回答
用于
回归
的星火ML随机林和梯度增强
树
、
、
、
、
根据Spark文档,、随机森林、和梯度增强
树
,可以用于
分类
和
回归
问题: 假设我的“标签”是从0..n取整数值,我想训练这些
分类
器来解决
回归
问题,预测标签字段的连续变量值。但是,在文档中,我不知道如何配置这两个
回归
器来解决这个问题,我也没有看到任何类参数来区分
回归
和
分类
的情况。那么,如何为
回归
问题配置两个
分类
器呢?
浏览 0
提问于2018-03-31
得票数 0
回答已采纳
4
回答
我应该使用决策
树
或逻辑
回归
来进行
分类
吗?
、
、
我正在研究一个
分类
问题。我有一个包含相同数量的
分类
变量和连续变量的数据集。如何在决策
树
和逻辑
回归
之间决定使用哪种技术?假设logistic
回归
更适合连续变量,决策
树
更适合连续变量和范畴变量,这是否正确?
浏览 0
提问于2015-06-09
得票数 17
回答已采纳
2
回答
分类
树
中“实数”与“判定值”的混淆
、
、
、
我正在阅读XGBoost指南,我对它在决策
树
的评分系统和
分类
/
回归
树
之间的区别感到困惑。我挂的那一段是:我一点也不确定这意味着什么。我对
回归
决策
树
的理解是,每个叶都有一个值,它是分配给该叶的所有训练示例的平均值(在遵循<e
浏览 0
提问于2021-09-13
得票数 2
1
回答
决策
树
与Logistic
回归
相结合
、
、
、
、
线性
分类
(如logistic
回归
)的情况下,与仅使用决策
树
或线性
分类
(而不是两者兼用)相比,二进制
分类
具有更好的性能。所以, 如果第一棵
树
的决策为leaf node 2,第二
树
的决策为leaf node 1,则线性
分类
器将接收二进制字符串[ 0 1 0
浏览 6
提问于2017-01-17
得票数 1
2
回答
科技界多数投票-学习随机森林
、
我主要关心的是,我需要理解随机森林是如何在scikit中进行多数投票来学习源代码的。我没有在RandomForest的源代码中找到特定的代码。如果有人知道,请解释一下。谢谢
浏览 0
提问于2019-10-24
得票数 1
1
回答
DecisionTree模型的精度为零
、
在basic dataset (二维数组Hours_Studied和Test_Grade)上训练模型,并有一些预测,但当我尝试计算accuracy_score时,它总是0.0 我猜问题出在拆分后的数组形状上。 import pandas as pdprint ('Raw Dataset Shape:', df.shape)
浏览 7
提问于2019-05-26
得票数 0
回答已采纳
1
回答
梯度增强决策
树
如何找出每棵
树
的预测值?
、
、
我有一个
分类
问题,需要用梯度增强决策
树
来解决。我想要做的是创建一个矩阵,为每个样本提供每个决策
树
的预测。例如,如果我有100个样本和100个
树
,我应该有100x100矩阵。i,j项给出了对第一个样本的jth
树
的预测. 我正在使用滑雪板,问题是我无法通过每棵
树
得到预测。x1)矩阵,每个条目包含我们模型使用的
树
.通过gb.estimators_0,我试图访问第一棵
树
,并以分数预测它。它们中没有一个是1或0,就像它应该是的(这是二进制
分类
)
浏览 0
提问于2019-08-20
得票数 2
回答已采纳
1
回答
为什么我的ML模型有可怕的准确性?
、
、
我有一个评估汽车的数据集,它包含了价格、安全性和豪华的特征,并对其是否好、非常好、可接受和不可接受进行了
分类
。我将所有非数字列转换为数字列,训练数据并使用测试集进行预测。
浏览 9
提问于2019-03-13
得票数 0
回答已采纳
1
回答
遗传算法:支持向量机/朴素贝叶斯的连接
、
、
、
我发现了以下七个
分类
器的列表:最近邻决策
树
随机林什么是遗传算法,为什么它们不被认为是七个
分类
器的一部分?
浏览 0
提问于2019-10-26
得票数 0
回答已采纳
点击加载更多
扫码
添加站长 进交流群
领取专属
10元无门槛券
手把手带您无忧上云
相关
资讯
分类回归树——来预测传说级的神奇宝贝吧
机器学习三人行-神奇的分类回归决策树
另外两棵树——回归树&模型树
分类(1):logistic回归
机器学习实战:树回归
热门
标签
更多标签
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储
活动推荐
运营活动
广告
关闭
领券