| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | ||
| 6 | 7 | 8 | 9 | 10 | 11 | 12 |
| 13 | 14 | 15 | 16 | 17 | 18 | 19 |
| 20 | 21 | 22 | 23 | 24 | 25 | 26 |
| 27 | 28 | 29 | 30 |
Tags
- Multi-Resolution Networks for Semantic Segmentation in Whole Slide Images
- HookNet
- aiffel exploration
- airflow
- 백신후원
- docker attach
- 히비스서커스
- Decision Boundary
- GIT
- docker
- WSSS
- cocre
- Pull Request
- 티스토리챌린지
- IVI
- AIFFEL
- 사회조사분석사2급
- CellPin
- docker exec
- 프로그래머스
- logistic regression
- Jupyter notebook
- vscode
- numpy
- 코크리
- ssh
- 도커
- cs231n
- 오블완
- 기초확률론
Archives
- Today
- Total
목록XBGRegressor (1)
히비스서커스의 블로그
[Concept] 회귀를 위한 다양한 모델 (feat. Regressor)
회귀를 위한 4가지 모델(GradientBoostingRegressor, XBGRegressor, LGBMRegressor, RandomForestRegressor)들이 사용하였는데 그 중 GradientBoostingRegressor와 RandomForestRegressor의 개념적인 내용과 API를 찾아보며 정리해보기로 하였다. Gradient Boosting Regressor 앙상블 이전까지의 오차를 보정하도록 예측기를 순차적으로 추가하지만 이전 예측기가 만든 잔여오차에 새로운 예측기를 학습시킨다. sklearn 라이브러리의 ensemble 클래스에 저장되어 있어 다음과 같이 불러와야 한다. from sklearn.ensemble import GradientBoostingRegressor 다양한 매..
Theory/Machine Learning
2021. 2. 4. 21:19