练习 在 100 万例训练集上训练（没有限制）的决策树的近似深度是多少？ 节点的基尼指数比起它的父节点是更高还是更低？它是通常情况下更高/更低，还是永远更高/更低？ 如果决策树过拟合了，减少最大深度是一个好的方法吗？ 如果决策树对训练集欠拟合了，尝试缩放输入特征是否是一个好主意？ 如果对包含 100 万个实例的数据集训练决策树模型需要一...

逻辑回归 正如我们在第1章中讨论的那样，一些回归算法也可以用于分类（反之亦然）。 Logistic 回归（也称为 Logit 回归）通常用于估计一个实例属于某个特定类别的概率（例如，这电子邮件是垃圾邮件的概率是多少？）。 如果估计的概率大于 50%，那么模型预测这个实例属于当前类（称为正类，标记为“1”），反之预测它不属于当前类（即它属于负类 ，标记为“...

线性模型的正则化 正如我们在第一和第二章看到的那样，降低模型的过拟合的好方法是正则化这个模型（即限制它）：模型有越少的自由度，就越难以拟合数据。例如，正则化一个多项式模型，一个简单的方法就是减少多项式的阶数。 对于一个线性模型，正则化的典型实现就是约束模型中参数的权重。 接下来我们将介绍三种不同约束权重的方法：Ridge 回归，Lasso 回归和 El...

Why readers? Usage Listeners Types of readers initialize ConcatenatingRecordReader FileRecordReader getCurrentLabel LineRecordReader CollectionRecordReader CollectionSequ...

7.2 模型接口 7.2.1 Booster 7.2.2 直接学习 7.2.3 Scikit-Learn API 7.2 模型接口 7.2.1 Booster Booster 是xgboost 的模型，它包含了训练、预测、评估等任务的底层实现。 xbgoost . Booster ( params = None , cache ...

分類法/範例二: Normal and Shrinkage Linear Discriminant Analysis for classification (一)產生測試資料 (二)改變特徵數量並測試shrinkage之功能 (三)顯示LDA判別結果 (四)完整程式碼 分類法/範例二: Normal and Shrinkage Linear ...

NCAR: Hydrological Modeling Who am I? What problem am I trying to solve? How does Dask help? Why we chose Dask Pain points Technology we use around Dask Other thoughts N...