在发现可以应用于数据集的目标值(y列)的许多转换(如box变换)之后，我了解到，为了提高效率，需要用正态分布的目标值训练线性回归模型()。
我想知道是否也适用于非线性回归算法。到目前为止，我已经看到kaggle上的人使用日志转换来减少异方差，使用xgboost，但是他们从来没有提到是否也是为了获得正态分布的目标值。我试着做了一些研究，我在第11页的Andrew的课堂讲稿()中发现，
浏览 2提问于2016-07-22得票数 2
回答已采纳
1回答
虽然这里回答了一个类似的问题，但我想采取一种不同的方法。假设我有一个二元目标变量1/0和一个分类变量M/F，由此，我可以得到一个比例为p1的M和目标1的F，而p2的F是目标1的，N1和N2分别是M和F的总数。对H0: p1=p2进行测试是否明智？
浏览 0提问于2019-06-03得票数 0
1回答
我训练了一个XGBoost回归模型，它试图预测运动提供的转换数。自变量是每月虚拟，位置虚拟，和4列竞选规则(数字)。总共有6列ind。变量。我训练了模特。现在我试着用这个模型来预测一个特定的竞选活动的表现。我的目标是输入新活动的规则、月份和地点，并得到XGBoost预测的转换量。您知道如何在Python中实现这种预测吗？谢谢
浏览 0提问于2022-02-10得票数 0
回答已采纳
4回答
我希望将XGBoost用于在线生产目的(Python2.7 XGBoost API)。为了能够做到这一点，我想控制和限制XGBoost在预测操作中使用的线程数。我正在使用XGBoost (xgboost.XGBRegressor)提供的与sklearn兼容的回归器，并试图在回归器的构造函数中使用param n线程来将使用的最大线程限制为1。不幸的
浏览 0提问于2018-01-15得票数 5
1回答
我正在尝试理解XGBoost中的多类分类是如何工作的。如果我理解正确的话，XGBoost将回归树拟合为“弱学习者”或boosting模型的组成部分。因此，如果将一个新的预测向量传递给XGB模型，回归树将产生一个实际值，即“预测”，其(加权)组合是增强模型预测。从this question和论文中的文档中，我推测softmax激活函数被应用于增强<
浏览 18提问于2020-01-16得票数 1
回答已采纳
1回答
我正在尝试使用来自scikit的LinearRegression来拟合线性模型。从预测函数中，我得到了一个点估计预测值，但我需要一个可能值的分布，其中预测的点值可能是高斯的平均值。我想知道是否有一种方法可以从任何scikit模型中获得这样的发行版。我检查了方差得分，但找不到将其映射到方差的方法。请帮帮忙。
浏览 0提问于2016-03-19得票数 2
3回答
科学学习中的每一个分类器都有一种方法predict_proba(x)来预测x的类概率。如何为回归者做同样的事情？我知道如何估计预测方差的唯一回归者是高斯过程回归，我可以这样做：在一维中，我甚至可以画出高斯过程回归器对不同数据点的预测有
浏览 0提问于2018-05-17得票数 9
回答已采纳
我有一个问题要问：据我所知，L1用于LASSO，L2用于岭回归，L1可以收缩到0，L2不能。我理解简单线性回归的机理，但我不知道它在基于树的模型中是如何工作的。lambda default=1，别名:
浏览 5提问于2021-06-22得票数 2
我使用xgboost来训练分类模型。GridCVSearch提供了最好的max_depth=1，这意味着我的成百上千的树在一个节点上被分割。这是否意味着我处理的问题/数据集可以使用简单的模型来分离，并且我不需要使用复杂的模型，如xgboost？一般来说，如果所有树的深度都为1，那么xgboost是否比SVM/logistic回归等简单模型提供了更好的</
浏览 76提问于2019-02-28得票数 2
2回答
如何从适合使用rpart的回归树生成预测间隔？
我的理解是，回归树以叶节点的平均值作为响应的模型。我不知道如何从模型中得到叶节点的方差，但我想要做的是模拟使用叶节点的均值和方差来获得预测间隔。没有给出间隔的选项。
浏览 2提问于2015-03-18得票数 11
回答已采纳
我需要改进算法的预测结果，该算法已经基于逻辑回归(用于二进制分类)编程。我想问一问，是否有任何建议，应用快速助推方法。如果有更好的表现的其他方法，我希望提及它们，请。Ps:我的数据大约是280,000个简单数和247 (数字)特征；
浏览 0提问于2019-02-02得票数 0
回答已采纳
我有一个包含一列试验、一列成功和其他特性的数据集；显然，我可以生成一个概率列。我想使用梯度增强方法(如xgboost或lightgbm)来建模成功概率。在lightgbm或xgboost中，我应该设置哪个参数来处理这个问题？
浏览 0提问于2019-02-12得票数 4
1回答
我很难理解如何比较MSE和数据方差的结果。我知道MSE被用来计算数据点离预测有多远，比如说你做了线性回归，方差告诉我们数据点有多远。这些是可比的吗？如果是的话，在什么方面？举个例子，我们必须做线性回归，得到数据的方差在3-400左右，但平均均方根值比50.000高得多。我们如何比较这两个值呢？如果这两者大致相等的话，是否合适呢？或者，即使MSE比方差高得多，它也是一个很好的匹配吗？
(预先谢谢:)
浏览 0提问于2022-10-30得票数 0
我使用XGBoost的默认回归目标函数和提前停止的随机森林获得了不错的结果。 我的目标是能够很好地预测我的数据的底部十进制，我想知道是否有一个目标函数可以让我做到这一点？我不太关心其他的十进制，只要我能很好地预测底部。
浏览 13提问于2020-06-12得票数 1
回答已采纳
在R的插入包中，有一个方法'xgblinear‘。这种方法背后的工作算法是什么？
浏览 0提问于2017-05-30得票数 1
虽然所有的回归假设都失败了，但我的XGBoosting模型却蓬勃发展。我是不是遗漏了什么？在这种情况下，XGBoost仅仅是一个优越的模型吗？数据集约有67.000个观测值和30个变量。
浏览 2提问于2019-07-28得票数 0
回答已采纳
我正在解决一个回归问题，我已经预留了一个cv数据集来评估我的模型。
我可以很容易地计算我的神经网络，因为TensorFlow计算()方法给出了所有平方误差的总和。其次，如何使xgb返回作为我可以解释的模型的度量。
浏览 3提问于2022-08-11得票数 0
1回答
风险预测与分类模型
、、、、
目前，当我使用scikit logistic回归时，它会输出像0和1s这样的二进制值。然而，我从在线阅读中了解到，它输出概率，并且基于0.5的阈值将它们转换为两个类。1)建立风险预测模型是否意味着一旦我们得到概率输出，就立即停止我们的项目，而不应用这个阈值？这就是所谓的风险预测模型吗？如果是的话，我如何使用科学逻辑回归？
2)科学逻辑允许我们修改阈值吗？3)所有的分类算法，如SVM、RF、XGBOOST等，都可以在不
浏览 0提问于2020-01-16得票数 5
回答已采纳
在XGBoost回归预测价格时，如何获得系数，截取模型？如何像我们在线性回归状态模型中得到的模型进行总结？见下面的代码# fit model no training datamodel.fitmean_squared_error(y_test, y_pred))
print("Root Mean Squared Error: {
浏览 0提问于2019-07-31得票数 8
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
热门标签
云服务器
ICP备案
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
