xgboost

xgboost原理

阅读XGBoost与BoostedTree基学习器：CART每个叶子节点上面有一个分数不够厉害，所以找一个更强的模型treeensemble对每个样本的预测结果是每棵树预测分数的和目标函数采用boosting
茶尽·2025-07-29 18:30

机器学习-XGBoost和SHAP解析数据

一、引言在机器学习领域，XGBoost表现出色，具有高效性、准确性、灵活性和良好的防过拟合能力。高效性使其能快速处理大规模复杂数据，降低训练时间成本。通过组合弱学习器提高准确性和泛化能力。
python机器学习ML·2025-07-27 16:29

机器学习算法解析:XGBoost与LightGBM

机器学习算法解析:XGBoost与LightGBM作者：禅与计算机程序设计艺术/ZenandtheArtofComputerProgramming关键词：XGBoost,LightGBM,高效特征选择,
AI天才研究院·2025-07-25 11:12

数据处理和分析之分类算法：XGBoost：机器学习基础理论

数据处理和分析之分类算法：XGBoost：机器学习基础理论数据预处理与特征工程数据清洗数据清洗是数据预处理的第一步，旨在去除数据集中的噪声、不一致性和缺失值，确保数据的质量。
kkchenkx·2025-07-25 10:37

【独家原创】基于XGBoost+SHAP可解释性分析的分类预测 Matlab代码(多输入单输出)

目录1、代码简介2、代码运行结果展示3、代码获取1、代码简介(XGBoost+SHAP)基于XGBoost的数据多输入单输出+SHAP可解释性分析的分类预测模型由于XGBoost在使用SHAP分析时速度较慢
机器学习和优化算法·2025-07-24 09:51

Python机器学习与深度学习：决策树、随机森林、XGBoost与LightGBM、迁移学习、循环神经网络、长短时记忆网络、时间卷积网络、自编码器、生成对抗网络、YOLO目标检测等

融合最新技术动态与实战经验，旨在系统提升以下能力：①掌握ChatGPT、DeepSeek等大语言模型在代码生成、模型调试、实验设计、论文撰写等方面的实际应用技巧②深入理解深度学习与经典机器学习算法的关联与差异，掌握其理论基础③熟练运用PyTorch实现各类深度学习模型，包括迁移学习、循环神经网络（RNN）、长短时记忆网络（LSTM）、时间卷积网络（TCN）、自编码器、生成对抗网络（GAN）、YOL
WangYan2022·2025-07-08 21:14

机器学习-三大SOTA Boosting算法总结和调优

XGBoost、LightGBM、CatBoost是目前经典的SOTABoosting算法算法对比维度XGBoostLightGBMCatBoos说明算法的继承性是对GBDT的改进是对XGBoost的改进是对
小新学习屋·2025-07-04 05:02

机器学习，支持向量机svm和决策树xgboost介绍

支持向量机(SVM)和XGBoost都是非常强大且应用广泛的机器学习算法，但它们基于不同的原理，各有其优势和劣势，适用于不同的场景。
suixinm·2025-07-01 15:32

【机器学习第四期（Python）】LightGBM 方法原理详解

它在准确率、训练速度和资源使用上都优于传统GBDT实现（如XGBoost）
WW、forever·2025-07-01 07:19

人工智能大模型原理与应用实战：大模型在金融风控中的应用

2.1大模型在金融风控中的应用场景2.2大模型与传统风控技术的结合3.核心算法原理具体操作步骤3.1基于大模型的欺诈检测3.2基于大模型的信用评估4.数学模型和公式详细讲解举例说明4.1逻辑回归模型4.2XGBoost
AI天才研究院·2025-06-29 16:54

Python打卡：Day24

importpandasaspdimportnumpyasnpimportreimportxgboostasxgbfromsklearn.model_selectionimporttrain_test_splitfromsklearn.metricsimportclassification_report
剑桥折刀s·2025-06-28 00:18

【机器学习算法】XGBoost原理

也是使用新的弱学习器拟合残差（当前模型负梯度，残差方向）GBDT损失函数Loss=∑i=1NL(yi,yit)Loss=\sum_{i=1}^{N}L(y_i,y_i^{t})Loss=i=1∑NL(yi,yit)XGboost
·2025-06-27 23:42

【机器学习第二期（Python）】优化梯度提升决策树 XGBoost

优化梯度提升决策树XGBoost一、XGBoost简介二、原理详解2.1基础思想：改进版GBDT2.2目标函数2.3二阶泰勒展开优化2.4树结构优化三、XGBoost实现步骤（Python）可调参数推荐完整案例代码
WW、forever·2025-06-27 10:10

LightGBM：极速梯度提升机——结构化数据建模的终极武器

GBDT的瓶颈传统梯度提升树（如XGBoost）在处理海量数据时面临两大痛点：训练速度慢：需预排序特征&层次生长（Level-wise）内存消耗高：存储特征值与分裂点信息LightGBM的诞生微软亚洲研究院于
大千AI助手·2025-06-27 00:56

怎样在pycham上安装XGBoost(windows操作系统)

先运行代码看看吧，果然报错：ModuleNotFoundError:Nomodulenamed'xgboost'看来还是得安装这个xgboost。经历了各种痛苦的摸索，终于搞定，还是汇总一下吧。
youxiazzz12·2025-06-26 19:50

XGBoost算法原理及Python实现

一、概述  XGBoost是一种基于梯度提升框架的机器学习算法，它通过迭代地训练一系列决策树来构建模型。
法号清水·2025-06-26 19:50

如何在Python上安装xgboost？

在数据科学和机器学习领域，XGBoost无疑是一款备受推崇的算法工具。它以其高效、灵活和精确的特点，成为了众多数据科学家和工程师的首选。
cda2024·2025-06-26 18:18

如何在Python上安装xgboost？

在数据科学和机器学习领域，XGBoost无疑是一款备受推崇的算法工具。它以其高效、灵活和精确的特点，成为了众多数据科学家和工程师的首选。
cda2024·2025-06-26 18:16

梯度增强与XGBoost算法解析

##一、梯度增强（GradientBoosting）原理###1.1集成学习与Boosting集成学习通过结合多个弱模型提升整体性能，主要包括Bagging（如随机森林）和Boosting两类方法。**梯度增强**属于Boosting家族，核心思想是**串行训练模型，每一步修正前序模型的残差**，最终形成强预测器。###1.2算法核心流程1.**初始化基模型**：用常数（如目标变量均值）预测。2.
weixin_47233946·2025-06-25 20:15

机器学习15-XGBoost

XGBOOST学习笔记一、引言在机器学习的集成学习算法中，XGBoost（eXtremeGradientBoosting）凭借其高效性、可扩展性和卓越的性能，成为数据科学竞赛和工业界应用的热门选择。
吹风看太阳·2025-06-24 03:27

LightGBM 与 XGBoost 深度解析：从基础原理到实战优化

LightGBM与XGBoost深度解析：从基础原理到实战优化引言梯度提升机(GradientBoostingMachine,GBM)及其衍生算法，如XGBoost和LightGBM，是当今机器学习领域中应用最为广泛且效果卓越的监督学习模型之一
爱看烟花的码农·2025-06-23 06:34

CART算法全解析：分类回归双修的决策树之王

作为当今最主流的决策树实现，它革命性地统一了分类与回归任务，其二叉树结构和剪枝技术成为现代集成学习（如随机森林、XGBoost）的基石。本文由「大千AI助手」原创发布，专注用真话讲AI，回归技术本质。
大千AI助手·2025-06-23 00:52

Day14shap图绘制

#作业1importshapimportxgboostimportpandasaspdX,y=shap.datasets.adult()model=xgboost.XGBClassifier(eval_metric
m0_62568655·2025-06-17 08:03

机器学习之集成学习算法

集成学习算法一概述二Bagging方法2.1思想2.2代表算法2.3API三Boosting方法3.1AdaBoost3.1.1思想3.1.2API3.2GBDT3.2.1思想3.2.2API3.3XGBoost3.3.1
文柏AI共享·2025-06-13 07:46

Kaggle-Predicting Optimal Fertilizers-(多分类+xgboost+同一特征值多样性)

PredictingOptimalFertilizers题意：给出土壤的特性，预测出3种最佳的肥料数据处理：1.有数字型和类别型，类别不能随意换成数字，独热编码。cat可以直接处理category类型。2.构造一些相关土壤特性特征3.由于label是category类型，但是xgb不可以处理category类型，因此需要先编码，最后求出结果之后再解码。建立模型：1.catboost交叉验证、xgb
美少女zss·2025-06-11 14:28

突然无法调用scikit-learn、xgboost

遇到的错误包含：File"",line3,inFile"/usr/anaconda3/envs/py37/lib/python3.7/site-packages/sklearn/__init__.py",line81,infrom.import__check_build#noqa:F401File"/usr/anaconda3/envs/py37/lib/python3.7/site-packag
RockyRich·2025-06-10 10:36

机器学习——XGBoost

XGBoost是迄今为止最常用的决策树集成或决策树实现方法的一种算法，它运行快速，开源实现容易使用，也被非常成功地用于赢得许多机器学习比赛。
小卷心菜.·2025-06-07 15:49

Kaggle-Binary Prediction with a Rainfall Dataset-(回归+特征工程+xgb)

数据处理：1.根据特征值构造天气降雨量的新特征值2.根据时间构造月和季节特征3.处理缺失值建立模型：1.建立lightgbm模型2.建立xgboost模型，并进行网格搜索最佳参数模型3.进行模型融合代码
美少女zss·2025-05-31 12:00

AI赋能金融风控：基于机器学习的智能欺诈检测系统实战教程

本文将基于Python生态，以信用卡欺诈检测为切入点，完整展示从数据预处理到模型部署的全流程解决方案，重点解析Scikit-learn与XGBoost在异常检测中的协同应用，最终构建可实时预警的智能风控系统
Tech Synapse·2025-05-29 18:21

AI赋能金融风控：基于机器学习的智能欺诈检测系统实战教程

本文将基于Python生态，以信用卡欺诈检测为切入点，完整展示从数据预处理到模型部署的全流程解决方案，重点解析Scikit-learn与XGBoost在异常检测中的协同应用，最终构建可实时预警的智能风控系统
快乐非自愿·2025-05-29 18:20

CatBoost：高效智能的梯度提升算法

传统的梯度提升算法（如XGBoost、LightGBM）在处理类别特征时，通常需要先进行编码转换，如独热编码、标签编码等，但这些编码方式可能会引入噪声或导致模型过拟合。
亿只小灿灿·2025-05-24 23:13

Python 中 XGBoost 的学习率调整策略

Python中XGBoost的学习率调整策略关键词：XGBoost、学习率、超参数调优、梯度提升、机器学习、模型优化、Python摘要：本文深入探讨了XGBoost中学习率调整的策略和方法。
Python编程之道·2025-05-22 06:27

机器学习（12）——LGBM（1）

2.2单边梯度采样(GOSS)2.3互斥特征捆绑(EFB)3.算法细节3.1树生长策略3.2特征并行与数据并行3.3类别特征处理4.关键参数说明4.1核心参数4.2控制速度参数4.3控制过拟合参数5.与XGBoost
追逐☞·2025-05-19 14:25

机器学习（11）——xgboost

文章目录1.算法背景和动机1.1.提升算法（Boosting）1.2.XGBoost的改进动机2.算法基础3.核心创新3.4稀疏感知算法4.系统优化4.1列块(ColumnBlock)4.2缓存感知访问
追逐☞·2025-05-19 14:54

Day_10_复现

importpandasaspdimportmatplotlib.pyplotaspltimportnumpyasnpimportseabornassnsfromlightgbmimportLGBMClassifierfromxgboostimportXGBClassifierfromD11importdiscrete_features
sheyuDemo·2025-05-14 16:12

【算法】遗传算法GA寻优xgboost最优参数模型

遗传算法GA寻优xgboost最优参数模型遗传算法GA优点缺点xgboost优点缺点模型搭建步骤一、安装xgboost和DEAP库二、导入必要的库三、加载数据集四、定义目标函数五、定义遗传算法的参数和操作六
傻傻虎虎·2025-05-13 14:21

XGBoost

XGBoost假设一共有mmm个基模型，分别为f1(x),f2(x),…,fm(x)f_1(x),f_2(x),\dots,f_m(x)f1(x),f2(x),…,fm(x)，nnn个样本，x1,x2,
Expecto0·2025-05-13 06:26

Python, C ++开发行政人员尽职调查APP

以下是针对行政人员尽调APP的开发方案，结合Python的数据智能与C++的高性能特性，构建安全高效的背景调查管理平台：---一、系统架构设计1.技术栈分层模块Python应用场景C++应用场景核心算法引擎风险评估模型（XGBoost
Geeker-2025·2025-05-09 12:37

关于xgboost模型下得到每个变量(维度)评分的实践研究

一.研究背景树模型和评分卡相比，有着预测精度高，模型训练过程相对简单的优点，但其在变量的解释性上，相较于评分卡有一定的差距；一般的树模型能给出每个变量的重要性，但其每个变量与模型最终的预测值之间的量化（函数）关系，一直是研究的重点，也是一直未能直接突破的点。综上所述，树模型为基础理论的主要算法，我们对其精确度高的优点有着很大的需求量，同时如果能解决变量的解释性，找到变量与最终预测值间较容易理解的函
一苇所如·2025-05-06 22:41

2025年深圳杯-东三省联赛D题参考论文发布！

题两版本区别BZD数模社名称D题第一版D题第二版基本信息使用语言matlabpython文章篇幅60页3.4万字45页2.5万字问题一模型决策树、随机森林、KNN、（SVM）、逻辑回归神经网络、集成模型、XGBoost
BZD数模社·2025-05-04 11:16

2025年第二十二届五一数学建模竞赛题目 2025年五一杯 C题 社交媒体平台用户分析问题 思路详细代码

点赞数、评论数）最近活跃度（例如是否在过去1~2天有观看该博主）用户曾关注的博主类型特征用户使用平台的时间偏好（时段）模型构建：预测“用户是否会在7.21关注某博主”使用二分类模型（如LightGBM、XGBoost
深度学习YOLO目标检测实战项目·2025-05-03 23:59

基于随机森林和Xgboost对肥胖风险的多类别预测

基于随机森林和Xgboost对肥胖风险的多类别预测作者：i阿极作者简介：数据分析领域优质创作者、多项比赛获奖者：博主个人首页如果觉得文章不错或能帮助到你学习，可以点赞收藏评论+关注哦！
i阿极·2025-05-03 20:39

第二十一讲 XGBoost 回归建模 + SHAP 可解释性分析（利用R语言内置数据集）

下面我将使用R语言内置的mtcars数据集，模拟一个完整的XGBoost回归建模+SHAP可解释性分析实战流程。
Chh0715·2025-04-24 19:25

吴恩达深度学习复盘(19)XGBoost简介|神经网络与决策树

XGBoost多年来，机器学习研究人员提出了许多构建决策树的方法，目前最常用的方法是对样本或决策树的实现收费。
wgc2k·2025-04-21 20:56

第37讲｜AI+农业气象建模：预测极端天气对农业的影响

三、模型选择与结构设计时间序列模型：LSTM非时序模型：XGBoost/LightGBM四、案例实战：用LSTM预测小麦产量下降风险（受极端天气影响）五、模型解释与风险感知六、拓展：极端气象早期预警系统总结推荐阅读本节关键词
Chh0715·2025-04-21 00:31

目前地学等新兴的、更强大的模型（仅个人观点）

一、目前地理学/农学研究中较为“新奇”和高频的模型（含Nature/Science类期刊）模型名称简要说明应用示例（来自Nature/Science类期刊）✅XGBoost/LightGBM高性能树模型
Chh0715·2025-04-15 17:42

第十九讲 XGBoost 二分类模型案例（遥感数据识别玉米与小麦地块）

#加载所需包library(dplyr)library(ggplot2)library(xgboost)library(c
Chh0715·2025-04-15 08:40

XGBoost的原理介绍

XGBoost（极限梯度提升）是一种基于梯度提升决策树（GBDT）的高效集成学习算法，其核心原理通过加法模型和二阶泰勒展开实现高效优化。
徐福记c·2025-04-08 00:35

【python】基于nc数据文件实现XGBoost的多分类

基于nc数据文件实现XGBoost的多分类XGBoost介绍库下载nc文件介绍模型搭建nc文件数据读取XGBoost的使用模型源码内容XGBoost介绍XGBoost(ExtremeGradientBoosting
傻傻虎虎·2025-04-04 14:08

python安装Xgboost (无需编译)

本人win10，64位，python版本为3.6想要安装Xgboost，之前在网上看过很多文章步骤都比较复杂，直到有一天看到了一种超级简单的方法，亲测有效果！！
phoebe寻常·2025-04-04 14:37
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他