Публикации по теме 'xgboost'


Альтернативные источники данных и информационные преимущества с помощью парсинга веб-страниц и машинного обучения
Меня всегда восхищала концепция информационного преимущества , особенно в мире финансов. Когда обычные экономические данные, изучаемые в учебниках, являются статус-кво, инвесторы (в основном хедж-фонды) ищут альтернативные источники данных , чтобы получить преимущество над своими конкурентами. Примеры этих альтернативных источников данных убедительны и кажутся бесконечными: Швейцарская инвестиционная компания UBS Investment Research использует спутниковые снимки для оценки..
Повышение алгоритмов
Бэггинг против бустинга: Бэггинг расшифровывается как «начальная агрегация». Он работает путем создания нескольких самозагруженных выборок обучающих данных и обучения модели на каждой выборке. Прогнозы моделей затем усредняются для создания окончательного прогноза. Бэггинг помогает уменьшить дисперсию модели, что может помочь предотвратить переоснащение. Повышение означает «итеративное повышение». Он работает путем создания последовательности моделей, где каждая модель обучается..
Классификация произведений искусства по жанрам с использованием SVM, Random Forest, KNN, XGBoost и CNN
Вдохновение Перед тем, как погрузиться в третий проект Metis Bootcamp, я хочу поделиться некоторыми впечатлениями по этому поводу. «Искусство - это не то, что вы видите, а то, что вы заставляете видеть других». ~ Эдгар Дега Может ли машинное обучение помочь мне различать произведения разных жанров? В этом проекте мне любопытно узнать, как машинное обучение видит искусство. В частности, я использую шесть алгоритмов машинного обучения, чтобы просматривать произведения искусства и..
Прогнозирование оттока клиентов — 8 шагов по созданию модели XG Boost, часть 2 — Модель…
Отток клиентов, который происходит, когда клиенты перестают вести дела с компанией, может иметь значительные финансовые последствия для бизнеса. Используя машинное обучение, мы можем эффективно выявлять закономерности и характеристики клиентов, которые могут уйти. Активно используя эту информацию, компании могут выработать стратегию усилий по удержанию клиентов, обеспечивая устойчивое взаимодействие и лояльность клиентов. Давайте сначала познакомимся с основными принципами и..
Последствия риска чрезмерного количества локальных минимумов во время настройки гиперпараметров
Наша эпистемологическая ограниченность и иллюзия знания Чрезмерное количество локальных минимумов во время настройки гиперпараметра является признаком высокой чувствительности производительности модели к небольшим изменениям значения гиперпараметра, как показано на диаграмме выше. Я столкнулся с этим очень суровым ландшафтом производительности с множеством провалов и ударов, когда выполнял настройку поиска по сетке для пары гиперпараметров, reg_alpha и reg_lambda, собственного API..
XGBoost: полное руководство (часть 1)
Пошаговый вывод популярного алгоритма XGBoost, включая подробную численную иллюстрацию. XGBoost (сокращение от eXtreme Gradient Boosting) — это библиотека с открытым исходным кодом, которая обеспечивает оптимизированную и масштабируемую реализацию деревьев решений с градиентным усилением. Он включает в себя различные методы оптимизации программного и аппаратного обеспечения, которые позволяют ему работать с огромными объемами данных. Первоначально разработанный как исследовательский..
Обнаружение болезни Паркинсона с помощью машинного обучения
Что такое болезнь Паркинсона? Болезнь Паркинсона — это прогрессирующее заболевание центральной нервной системы, влияющее на движения и вызывающее тремор и скованность движений. Он имеет 5 стадий и ежегодно поражает более 1 миллиона человек в Индии. Это хроническое заболевание и пока неизлечимо. Это нейродегенеративное заболевание, поражающее нейроны головного мозга, вырабатывающие дофамин. Для получения дополнительной информации посетите здесь Симптомы: Тремор. Тремор..