- 模型堆叠和模型融合库heamy的介绍
- 比赛经验
- BDC冠军团队是如何做用户预测的
- 称霸Kaggle的十大深度学习技巧
- 调参心得:超参数优化之旅
- 机器学习比赛大杀器----模型融合(stacking & blending)
- GBDT、FM、FFM和DNN融合构建广告点击率预测模型
- xgboost融合模型:大学助学金精准资助预测(有数据)
- 推荐系统遇上深度学习(十)--GBDT+LR融合方案实战
- 申请评分卡模型中常用的一些特征工程方法
- Stacking:Catboost、Xgboost、LightGBM、Adaboost、RF etc
- 特征探索
- 2016-2018年机器学习大赛TOP开源作品汇总
- GBDT原理及利用GBDT构造新的特征-Python实现
- 分分钟带你杀入Kaggle Top 1%
- 随机森林算法详解
- 拳打Adam,脚踢SGD:北大提出全新优化算法AdaBound
- LightGBM算法总结
- 自动化特征
- Catboost:超越Lightgbm和XGBoost的又一个boost算法神器
- GBDT、随机森林、xgboost算法原理解析视频公开
- 模型调优与模型融合(stacking代码应用篇)
专题:模型提升技巧
發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.