注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. Student-Retention-Model-with-XGBoost-源码

  2. Student-Retention-Model-with-XGBoost

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：179200
    • 提供者：weixin_42099087

  1. XGBoost-Model-源码

  2. XGBoost模型 该项目使用XGBoost模型预测销售价格，然后将结果与其他算法（例如，Random Forest和Decision Tree）进行比较。 资料栏位 这是您将在数据描述文件中找到的内容的简短版本。 SalePrice-物业的销售价格（以美元为单位）。 这是您要预测的目标变量。 MSSubClass：建筑类MSZoning：总体分区分类LotFrontage：连接到属性Lot的街道的线性英尺LotArea：平方英尺的地块大小Street：道路通道的类型Alley：胡同通道的类型

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：646144
    • 提供者：weixin_42121086

  1. Customer_churn_预测-源码

  2. 客户流失预测 Tujuan project ini adalah mempersiapkan data sekaligus membuat model prediksi yang tepat untuk menentukan pelanggan akan berhenti berlangganan（Churn）atau tidak。 图书馆 大熊猫 Matplotlib 海生 Scikit学习 Xgboost 泡菜 数据清理 Langkah-langkah数据清理： Mencari ID

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：655360
    • 提供者：weixin_42110533

  1. shap：一种游戏理论方法来解释任何机器学习模型的输出-源码

  2. SHAP（SHapley Additive exPlanations）是一种游戏理论方法，用于解释任何机器学习模型的输出。 它使用博弈论中的经典Shapley值及其相关扩展将最佳信用分配与本地解释联系起来（详细信息和引文，请参见）。 安装 Shap可以从或 安装： pip install shap or conda install -c conda-forge shap TreeExplainer的树集成示例（XGBoost / LightGBM / CatBoost / scikit-lea

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：149946368
    • 提供者：weixin_42117150

  1. 2019-:这是我2019年参加中深杯数据挖掘比赛第一题的源代码，本次比赛初赛取得了第8名，复赛取得了15名-源码

  2. 电动汽车行驶里程预测源代码 开发环境 本次比赛采用Python语言，Python版本> = 3.5。开发环境采用Jupyter notebook。 所需依赖库 本次比赛所需的python依赖库包括：numpy，pandas，scikit-learn，matplotlib，xgboost。 代码结构 根/ 1. 训练集数据初步处理.ipynb 2. 测试集时间转换.ipynb 3. TrainData/ 4. TestData/ 5. temp/ 1. 数据

  3. 所属分类：其它

    • 发布日期：2021-03-24
    • 文件大小：41984
    • 提供者：weixin_42114580