Публикации по теме 'xgboost'


XGBosting Your Predictions: практическое руководство с использованием набора данных Titanic
XGBoost — это мощный и популярный алгоритм машинного обучения, который использует ансамбль деревьев решений для повышения эффективности прогнозирования модели. В этой статье мы увидим, как использовать XGBoost для обучения и настройки модели с использованием набора данных «Титаник», который содержит информацию о пассажирах «Титаника», такую ​​как их возраст, пол и тарифный класс, и часто используется для обучения. модели машинного обучения, чтобы предсказать, выжил ли пассажир при..
Ускорение машинного обучения с помощью распределенного XGBoost: учебное пособие
Введение XGBoost (что означает eXtreme Gradient Boosting) — популярный алгоритм машинного обучения, который широко используется для построения высокопроизводительных моделей. Доказано, что он очень эффективен в различных областях, включая классификацию изображений, обработку естественного языка и прогнозирование временных рядов. XGBoost — это алгоритм ансамблевого машинного обучения на основе дерева решений, который использует повышение градиента для повышения точности и..
Вино, сыр и ватты: изучение энергетического ландшафта Франции
Вино, сыр и ватты: изучение энергетического ландшафта Франции Сегодняшняя тема — энергопотребление во Франции, и, хотя это обширная тема, я представлю глобальный обзор, выделив некоторые ключевые моменты. Для этого проекта я использовал набор данных с сайта французского правительства. Мне всегда нравится изучать этот сайт, так как он часто содержит ценные данные. Вы можете получить доступ к набору данных здесь:..
ПОВЫШЕНИЕ
Повышение — это итеративный метод, который последовательно объединяет несколько слабых моделей для создания сильной модели. Основная идея бустинга состоит в том, чтобы обучить слабые модели на данных и сосредоточиться на неправильно классифицированных образцах. Затем ошибочно классифицированным образцам присваивается больший вес, и следующая модель обучается на обновленных данных. Этот процесс повторяется до тех пор, пока не будет достигнут заданный критерий остановки или пока не будет..
Обучайте модели XGBoost в Amazon SageMaker за 4 простых шага
Как обучать и развертывать модели XGBoost в качестве конечных точек с помощью SageMaker Начать работу с Amazon SageMaker может быть сложно, так как существует множество приемов, о которых AWS просто ожидает, что вы узнаете… В свою очередь, как только вы освоите их, вы сможете значительно ускорить развертывание своих моделей машинного обучения, не беспокоясь о Docker и настройке до вычислительных ресурсов. Цель этого поста — максимально упростить начало работы с SageMaker и дать вам..
Классификация музыкальных жанров
Команда: Ашита Бойина, Рахул Дахия, Сай Чандан, Аруним Гупта Мы всегда ищем новые способы улучшить наш музыкальный опыт. Наше музыкальное путешествие мы начали с прослушивания радиопередач, просмотра телевизионных каналов, а затем скачивания известных сайтов для прослушивания в офлайне. Современный мир достиг апогея довольства стриминговыми платформами. Тем не менее, стриминговые платформы не всегда доставляют потребителям исключительно приятные впечатления при открытии для себя..
Построение прогнозных моделей (случайный лес, XGBoost и поиск по сетке) для прогнозирования коробки фильма…
Это продолжение моей предыдущей статьи , в которой я нашел переменные, наиболее коррелирующие с кассовым успехом фильма. Недавно я протестировал множество моделей машинного обучения, чтобы узнать, какая модель лучше всего подходит для прогнозирования нашей цели (кассовых сборов фильма). Я подробно расскажу, какие модели я использовал, и связанные с ними результаты ниже. И если вы хотите увидеть эту развернутую модель в действии и спрогнозировать кассовые сборы своего фильма,..