- 模型堆疊和模型融合庫heamy的介紹
- 比賽經驗
- BDC冠軍團隊是如何做用戶預測的
- 稱霸Kaggle的十大深度學習技巧
- 調參心得:超參數優化之旅
- 機器學習比賽大殺器----模型融合(stacking & blending)
- GBDT、FM、FFM和DNN融合構建廣告點擊率預測模型
- xgboost融合模型:大學助學金精準資助預測(有數據)
- 推薦系統遇上深度學習(十)--GBDT+LR融合方案實戰
- 申請評分卡模型中常用的一些特徵工程方法
- Stacking:Catboost、Xgboost、LightGBM、Adaboost、RF etc
- 特徵探索
- 2016-2018年機器學習大賽TOP開源作品彙總
- GBDT原理及利用GBDT構造新的特徵-Python實現
- 分分鐘帶你殺入Kaggle Top 1%
- 隨機森林算法詳解
- 拳打Adam,腳踢SGD:北大提出全新優化算法AdaBound
- LightGBM算法總結
- 自動化特徵
- Catboost:超越Lightgbm和XGBoost的又一個boost算法神器
- GBDT、隨機森林、xgboost算法原理解析視頻公開
- 模型調優與模型融合(stacking代碼應用篇)
專題:模型提升技巧
發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.