课程主要是在於更好的优化data transform的时候data本身的优化处理:
Permutation importance:通过随机排列参数,凸显出哪些feature才是更重要的:随机排列之後,对validation影响比较大的是比较重要的,而几乎没什麽影响的就是不重要的;
Partial plots:查看不同的feature对预测的影响结果;结果很直观;
Shap values:查看所有的feature对预测的影响结果;结果可以得出多个推导;
查了一下partial plots和shap values到底有什麽区别:
https://medium.com/@scottmlundberg/good-questions-21052a61b808
partial plots:通过改变参数来改变预测结果的方式,来判断feature的重要性的;
Shap values:通过测试某些feature对特定sample的影响的方式,来判断feature的重要性;
题目:C. Manhattan Subarrays 心得: 这题我自己卡在题目的定义无法掌握(题目中...
在未经过绑定的this会指向Windows Bind 使用Bind会return 一个functio...
Vue-cli 专案基本架构 favicon.ico:仅用於 index.html index.ht...
之前有跟大家提过环境变数,其实可以想像成像是冷气机的各种设定,像是温度、功能、风向、风量等等,让冷气...
用python实作PLA (直接把训练资料写进程序里) 昨天才发现之前就交出去的作业code不小心...