CatBoost:用于决策树梯度提升的高性能库 开源
CatBoost是一个快速,高性能的开放源代码库,可用于增强决策树的梯度。 这是一种具有大量应用程序的机器学习方法,包括针对Python,R,Java,C ++的排名,分类,回归和其他机器学习任务。 与许多数据集上的其他GBDT库相比,CatBoost具有出色的性能,并具有一些出色的功能。 它具有同类最佳的预测速度,同时支持数字和分类功能,具有快速且可扩展的GPU版本,并且易于使用可视化工具。 CatBoost由Yandex开发,并用于搜索,自动驾驶汽车,个人协助,天气预报等多个领域。
用户评论
推荐下载
-
决策树算法的C实现
决策树算法的C++实现
33 2019-02-27 -
基于MATLAB的决策树算法
用于平面的分类决策树
61 2019-12-30 -
模糊划分的决策树方法
决策树是一个类似树形结构的流程图,每个内部节点表明在一个属性上的测试,树枝描述测试结果,叶子节点指明分类或分类的分布情况。
25 2019-05-15 -
找了很久的决策树模型
好用实有需要的可以下载呵呵决策树模型
41 2019-05-13 -
决策树的训练与保存
决策树模型的训练、调参;模型的保存与调用。语言:PYTHON。
19 2019-07-13 -
决策树之前做的作业
之前做的一个作业,判断房子价格是否合适,满足什么样条件的房子性价比更高。基于上海新房的数据
18 2019-07-05 -
java实现的决策树算法
java实现的决策树算法,有注释,有实例
24 2019-05-13 -
五种决策树的比较
机器学习方面决策树的学术论文,五种决策树包括C4.5,CART,FuzzyID3,FS-DT,Yuan‘sFDT
36 2019-07-24 -
基于决策树学习的研究
该论文主要是针对机器学习中决策树学习方法
44 2019-07-24 -
python决策树算法的实现
''' 数据集:Mnist 训练集数量:60000 测试集数量:10000 ------------------------------ 运行结果:ID3(未剪枝) 正确率:85.9% 运行时长:35
14 2021-01-15
暂无评论