1回答
我有一个20,000,000行的数据集。每行有30列。每一行都包含一个单位成本值，我希望使用除单位成本之外的所有列来预测该值。我想要构建一个唯一的决策树或决策树的一个唯一分支来为每个产品编号建模。
基本上，对每个Product Number的行进行分区，并对每个Product Number进行隔离建模。如
浏览 9提问于2016-08-14得票数 0
3回答
什么时候决策树表现良好？我绘制了一些图表，比较了基于决策树的模型和基于logistic回归的模型。决策树建立模型所需的时间较长，而LRclassifier模型的time.Moreover较小，logistic模型的f-score高于决策树。所以我想知道什么时候应该使用决策树。
浏览 2提问于2017-09-22得票数 1
2回答
我正在训练一个基于树的模型(例如xgb)。我有一些功能，超过90%的值常数。由于数据的变化最小，它是否为模型增加了价值？如果我使用线性回归模型，同样的影响会是什么？
浏览 0提问于2022-07-28得票数 0
回答已采纳
1回答
我正在进行一个基准分析，比较不同的学习者(logistic回归，梯度提升，随机森林，极端梯度提升)与mlr软件包。然而，我不确定设置。据我正确理解，对于logistic回归，我应该用中位数(或平均值)来推断失语，但是对于基于树的模型，例如有很大价值<em
浏览 0提问于2018-10-21得票数 0
1回答
在Python & R中，线性回归模型在学习训练数据后给出了数学表达式，通常以截距、变量系数和p值/t值的形式表示。在训练数据集上对复杂模型进行训练后，可以提取基于决策树、随机森林、XGBoost等复杂模型的数学表示吗？
浏览 0提问于2022-11-11得票数 1
我正在努力弄清楚决策树回归预测是如何生成的。在我所介绍的文档中并没有详细解释。
对于分类模型，将返回X中每个样本的预测类。对于回归模型，返回基于X的预测值。那么，预测是根据新的X值落入的叶节点的输出的简单平均值，还是以另一种方式进行的？
浏览 1提问于2019-04-02得票数 1
回答已采纳
1回答
BELT'],df = pd.DataFrame(data=d)第五季的期望产量我的问题是:如果输入5,6,7,8，我的预测值不会改变，但是季节是一个连续值。我做错了什么，如何预测第六、第七、第八季等等。
浏览 9提问于2021-02-18得票数 0
回答已采纳
1回答
我正在寻找不那么知名的回归模型，如果可能的话，寻找一个实现它的python库。广义线性模型，线性，拉索，岭.基于决策树的模型:购物车，随机森林，梯度提升决策树(xgb，lightgbm，catboost)Knn回归是否有较少人知道的回归算法？我正在寻找替代模式，以增加我的箭袋。
浏览 0提问于2020-07-23得票数 1
2回答
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
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
浏览 4提问于2017-11-09得票数 2
回答已采纳
1回答
clf.fit(X_train, y_train)将给出适合于训练数据集的分类器的特征重要性但是，我如何使用这个经过训练的模型来给出一个类似的重要值，当对每一行看不见的数据进行预测时。例如，让 那么，是否有一种方法可以获得每个列的重要性，这是特定于这个特定
浏览 2提问于2021-02-28得票数 0
在训练支持向量机时，有没有办法在sklearn中做同样的事情？假设我想让我的分类器只优化灵敏度(不管它的感觉如何)，我该怎么做呢？
浏览 17提问于2019-12-09得票数 0
回答已采纳
1回答
我有一个数据集，我使用Sklearn决策树回归机器学习包为预测目的建立一个模型。随后，我试图利用scipy.optimize包来解决基于给定约束的最小解。但是，我不确定是否可以将决策树模型作为优化问题的目标函数。在这种情况下，应该采取什么办法呢？我曾经尝试过线性回归模型，比如LarsCV，它们工作得很好。但是在线性回归模型中，基本上可以从模型中提取系数和截获点。
浏览 1提问于2019-02-22得票数 7
lightgbm和sklearn的HistGradientBoostingClassifier估计器都使用直方图来决定连续特征的最佳拆分。有没有可能直观地(或用一些例子)解释直方图的创建过程，以及它如何帮助在节点上更快地确定分割点。 我在互联网上广泛地寻找了答案，但找不到任何简单或直观的方法来构建直方图。
浏览 92提问于2020-10-23得票数 0
1回答
我编写了代码来查找整个数据集中的每个特性对于多类分类的重要性。现在，我希望找到多类分类中每个类的特性重要性，也就是说，我希望找到对于分类更重要的特性列表(每个类)。plt.xticks(rotation=90)plt.show()我读了一篇题为“”的报纸；引用：
在评估部分，我们首先从数据集中提取出80个流量特征，并利用RandomForestRegressor算法确定最佳
浏览 5提问于2022-04-28得票数 -2
我环顾四周，找不到类似的问题(至少我用的关键词不是这样)。在我训练和测试了一个分类模型之后，我明白了如何为它提供一个新的输入来生成一个预测的输出。但是我如何做反向任务--为它提供一个输出，并提取最佳或最佳的输入参数？(即预测会产生给定输出的输出)？
浏览 0提问于2022-08-13得票数 0
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</em
浏览 76提问于2019-02-28得票数 2
1回答
我的数据集中有一个名为distances的特性，其范围从200到12000 (或多或少)。由于其他特性的值都低于50，所以我需要在distances中进行一些转换。我想到的第一件事是将它正常化，例如，将这个特性保持在0到10之间。但是，用这种方法，我可能有很多不同的价值，这可能会产生太多的分裂。
我考虑的另一种方法是确定范围。应以组的范围为常数，或至少将范围与分配的单位之间的关系联系起来。=>
浏览 0提问于2018-07-07得票数 1
1回答
我试图预测一个结果的频率，我有很多数据。我已经安装了一个glm的数据，现在我试图使用ctree来理解任何复杂的交互数据集中，我可能错过了。我没有直接预测残差，而是尝试将ctree模型与glm预测相抵消。但是，当我：(a)根本不使用偏移量，(b)在函数中指定偏移量，以及(c)在ctree方程中使用偏移量时，我似乎得到了相同的结果。我创建了一些虚拟数据来模拟我正在做的事情：set.seed(15)
#
浏览 4提问于2019-07-15得票数 2
回答已采纳
我正在尝试建立一个决策树回归来预测汽车的MSRP (制造商建议零售价)的值。但是，我在将分类值转换为数值时遇到了问题。我的问题是:我有8列分类特征，有些列有多达40种不同类型的唯一值和20,000个实例。我应该使用什么方法来转换分类数据以用于决策树回归？有没有办法自动输入唯一的值，而不是手动输入？我尝试使用LabelEncode
浏览 1提问于2019-01-11得票数 0
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
