CatBoost是俄罗斯的搜索巨头Yandex在2017年开源的机器学习库，是Gradient Boosting(梯度提升)+Categorical Features(类别型特征)，也是基于梯度提升决策树的机器学习框架。 CatBoost 简介 CatBoost这个名字来…
上一篇文章介绍了一个梯度提升决策树模型XGBoost，这篇文章我们继续学习一下GBDT模型的另一个进化版本：LightGBM。LigthGBM是boosting集合模型中的新进成员，由微软提供，它和XGBoost一样是对GBDT的高效实现，原理…
在上一篇Boosting方法的介绍中，对XGBoost有过简单的介绍。为了更还的掌握XGBoost这个工具。我们再来对它进行更加深入细致的学习。 什么是XGBoost? 全称：eXtreme Gradient Boosting 作者：陈天奇(华盛顿大学博…
在建立回归模型时需要对模型的效果进行评测，选择哪一种指标作为评估指标也会影响最终模型的效果。这里选择ScikitLearn自带的回归模型评估指标进行详细讲解。 explained_variance_score(y_true, y_pred) Explaine…
识别验证码的方式很多，如 tesseract、SVM 等。今天主要学习的是如何使用 KNN 进行验证码的识别。 数据准备 本次实验采用的是 CSDN 的验证码做演练，相关的接口：https://download.csdn.net/index.php/rest/tools/v…
Confusion Matrix混淆矩阵 在机器学习领域，混淆矩阵（confusion matrix），又称为可能性表格或是错误矩阵。它是一种特定的矩阵用来呈现算法性能的可视化效果，通常是监督学习（非监督学习，通常用匹配矩阵：matchi…
什么是K-近邻算法？ K近邻法(k-nearest neighbor, k-NN)是1967年由Cover T和Hart P提出的一种基本分类与回归方法。它的工作原理是：存在一个样本数据集合，也称作为训练样本集，并且样本集中每个数据都存在标签，即…
上一篇Folium 的文章中，针对 Choropleth 的使用有过简单的介绍，但是对于如何调整分级样式图等，没有进一步的阐述。这篇文章结果自己的使用经验做些简单的总结。 生成 Choropleth 分级着色图的方法目前主要有两种…
先前的文章中介绍了基于密度的聚类方法DBSCAN，今天要学习的是 HDBSCAN。单从名字上看，两者必然存在一定的关系。我们先来看看官方的介绍： HDBSCAN - Hierarchical Density-Based Spatial Clustering of Applicati…
在前面介绍的DBSCAN算法中，有两个初始参数Eps（邻域半径）和minPts(Eps邻域最小点数)需要手动设置，并且聚类的结果对这两个参数的取值非常敏感，不同的取值将产生不同的聚类结果。为了克服DBSCAN算法这一缺点，提…
