研究文章雷竞技app下载苹果版

应用梯度推进统计建模的算法

文摘

梯度增加(GB)是一个机器学习技术,回归,产生更精确的预测模型在形式的整体疲软的预测模型。它是一种迭代算法,它结合了简单的参数化函数性能较弱(高预测误差),以产生一个高度准确预测通过最小化错误[1]。因此,探讨梯度增强算法的应用广义线性模型(GLM)和普遍添加剂模型(GAM)使用慕尼黑租赁产生更好的预测数据。更有趣的是,比较经典的漠视和GAM的性能及其相应的提高了包在预测。然而,在提高算法,optimum-boosting迭代强烈建议避免过拟合。拟合模型,时起着重要的作用,因此,雇佣的使用Akaike信息基础技术标准(AIC)确定出最优的适当提高迭代预测。我们运用AIC和交叉验证(CV)技术来确定最优提高迭代。获得的结果相比,然后探讨算法更准确。注意到,默认情况下,gamboost (GAM)适合模型使用光滑baselearners (bbs)。同样,它还指出,拟合模型的系数矩阵形式将时如果使用光滑base-learners只是线性如果线性base-learners使用。

哈米德·达姆,Murtala穆罕默德和阿卜杜拉希•穆罕默德Jingi

阅读全文下载全文