- 梯度提升算法
- XGBoost 实践
XGBoost 梯度提升实践
会员596 人学过 25 次评价 作者: huhuhang 难度: 初级
综合评分:
9.8
XGBoost 是利用 Gradient Boosting 梯度提升算法开发的机器学习工具库，其针对多语言开发并实现了高效的分布式计算过程。本课程中，我们将介绍 Gradient Boosting 原理，并应用 XGBoost 进行实战练习。
你将学到的
课程内容
共2个章节
实验 1
梯度提升算法和 XGBoost 使用
知识点: 1.梯度提升算法 2.XGBoost框架使用
挑战 1
XGBoost 框架快速实践及应用
知识点: 1.XGBoost框架实践
课程介绍
课程介绍
XGBoost 是利用 Gradient Boosting 梯度提升算法开发的机器学习工具库，其针对多语言开发并实现了高效的分布式计算过程。本次课程中，我们将介绍 Gradient Boosting 原理，并应用 XGBoost 进行实战练习。
先学课程
- 需要了解蓝桥云课的基本操作，推荐学习 新手入门指南。
- 需要具备 Python 编程能力，推荐学习 Python3 简明教程。
- 建议先学习 scikit-learn 机器学习基础课程。
课程难度
- 本课程难度为简单。
适合人群
- 本课程适用于对梯度提升方法感兴趣的学员，课程将对算法进行讲解并使用 XGBoost 框架实践。
课程教师
huhuhang 蓝桥教研中心 共发布过 134 门课程
查看老师的所有课程 >学过本课的同学也学过...
完成学生认证，立享5折优惠 >>
开通会员，即刻开始学习
加入社群
加入编程交流社群
惊艳
棒棒哒~
perfect！
非常好
1111
学习了Gradient Boosting 以及XGBoost
我们把新的学习器 H(x)=F(x)+h(x) 看作是对弱学习器 F(x) 的更新过程.
牛皮
牛皮
按照第一讲的内容操作可以快速上手xgboost的应用。 鸢尾花和红酒模型都是经典的分类数据集，是分类问题。 鸢尾花数据集是尺寸为（150，50），目标值为（0，1，2，3） 红酒数据集尺寸为（178，(59,71,48)）,目标值为（0,1,2）
基本内容是陈天奇XGB的内容，比较简化易懂。
学完了该章节，未填写评价内容
学完了该章节，未填写评价内容
学完了该章节，未填写评价内容
学完了该章节，未填写评价内容