高级实训第六周周报
如上周周报所述，本周在之前的数据与处理和特征工程的基础上，用更复杂的模型代替KNN和决策树，并观察分类性能的提升。主要选用的是XGBoost和随机森林两个模型，理论部分在上周的周报中有提及，本次主要说明实际调参情况及结果分析。使用XGBoost模型获得的最好结果如下（相比两周前用决策树做到的0.6978有明显提升）： 对XGBoost，我主要调整了一下4个参数： max_depth=6, 类似决策
相关文章
- 1. 高级实训第四周周报
- 2. 高级实训第七周周报
- 3. 高级实训第二周周报
- 4. 综合实训周报六
- 5. 第六周周报
- 6. 实训第六周（1）
- 7. 实训第六周（2）
- 8. iOS 开发实训第二周周报
- 9. 实训报告第二周
- 10. python周报第六周
- 更多相关文章...
- • XML DOM 高级 - XML 教程
- • Rust 生命周期 - RUST 教程
- • 使用Rxjava计算圆周率
- • Docker容器实战(六) - 容器的隔离与限制
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
最新文章
欢迎关注本站公众号,获取更多信息
相关文章
- 1. 高级实训第四周周报
- 2. 高级实训第七周周报
- 3. 高级实训第二周周报
- 4. 综合实训周报六
- 5. 第六周周报
- 6. 实训第六周（1）
- 7. 实训第六周（2）
- 8. iOS 开发实训第二周周报
- 9. 实训报告第二周
- 10. python周报第六周