Публикации по теме 'xgboost'
Прогноз стратиграфической кровли в каротажных диаграммах с помощью машинного обучения: Predictatops
Еще в мае я представил доклад на AAPG ACE 2019 (Ежегодная конференция и выставка Американской ассоциации геологов-нефтяников) об использовании машинного обучения для прогнозирования стратиграфических поверхностей в каротажных диаграммах. Я описал пакет Python, над которым работал, как побочный проект под названием Predictatops . ДОИ здесь . Учитывая, что я упоминал о работе над проблемой прогнозирования стратиграфических вершин с использованием машинного обучения в предыдущих..
Установите XGBoost [GPU] в Ubuntu 16.04.
Это шаги по установке XGBoost в системе Ubuntu с графическим процессором.
Сначала проверьте версию CUDA в вашей системе, используя следующую команду.
nvcc --version
Если отображается версия 7.5, вам необходимо обновить версию Cuda, выполнив следующие действия.
Получите обновленный драйвер Nvidia по ссылке ниже:
ссылка: https://developer.nvidia.com/cuda-downloads
Загрузить CUDA Toolkit 9.2 Перед обновлением до последней версии CUDA 9.2..
Классификация по нескольким классам и меткам с помощью XGBoost
XGBoost уже очень хорошо известен своими выступлениями в различных соревнованиях Kaggle и тем, что он имеет хорошую конкуренцию с алгоритмами глубокого обучения с точки зрения точности и результатов.
Хотя XGBoost является одним из многих решений проблем машинного обучения, было бы менее тривиально реализовать его усилитель для многоклассовой или многоуровневой классификации, поскольку он не реализован напрямую в Python API XGBClassifier . Имея это в виду, я постараюсь смягчить..
Построение модели обнаружения вторжений с использованием набора данных KDD Cup’99
Сетевое вторжение - это любое несанкционированное действие в компьютерной сети. Программное обеспечение для обнаружения сетевых вторжений направлено на защиту компьютерной сети от неавторизованных пользователей, в том числе, возможно, инсайдеров.
Постановка задачи:-
В этом проекте мы создадим детектор сетевых вторжений, прогностическую модель, способную различать «плохие» соединения, называемые вторжениями или атаками, и «хорошие» или нормальные соединения. Этот набор данных..
Путешествие по XGBoost: Milestone 1
Настройка фона
Добро пожаловать в очередную серию статей! На этот раз мы обсуждаем XGBoost (экстремальное усиление градиента) - ведущий и наиболее предпочтительный алгоритм машинного обучения среди специалистов по обработке данных в 21 веке. Большинство людей говорят, что XGBoost - это алгоритм для заработка денег, потому что он легко превосходит любые другие алгоритмы, дает наилучшие возможные результаты и помогает своим пользователям претендовать на роскошные денежные призы на..
Сравнение двух алгоритмов прямого выбора функций
Авторы: Патрик Каллиер | Джонатан Лэнди
Внимание, мы переехали! Если вы хотите и дальше следить за последними техническими новостями Square, посетите наш новый дом https://developer.squareup.com/blog
Введение
В этом посте мы рассмотрим некоторые вещи, которые мы узнали из наших первых экспериментов над производственными приложениями для выбора функций. Мы сосредотачиваемся на двух вариантах пошагового выбора: (1) линейный пошаговый метод выбора Эфроймсона [ 2 ], в..
Обучение ранжированию с помощью XGBoost
научный комплект учиться и панды
Я увлекся скачками. Я не конный человек, но я инженер. И, как любой инженер, я хотел разработать решение, которое помогло бы мне определить, какая лошадь могла бы выиграть скачку. Я решил попробовать использовать метод контролируемого машинного обучения под названием Learning to Rank , чтобы найти лошадей, которые с наибольшей вероятностью выиграют.
В рамках этого проекта я пробовал разные модели для ранжирования. Когда я реализовал ранжирование..