样条曲线、决策树、Adaboost、梯度提升(GBM)算法进行回归、分类和动态可视化
Boosting算法是一种把若干个分类器整合为一个分类器的方法，也就是一种集成分类方法（Ensemble Method）。 计量经济学的视角 可以从计量经济学的角度理解提升方法（Boosting）的内容。 这里的目标是要解决： ...
[帮助文档] 如何使用梯度提升决策树算法GBDT
本文介绍了梯度提升决策树算法（Gradient Boosting Decision Tree，下文简称GBDT）相关内容。
[帮助文档] 什么是梯度提升回归树算法,有何特性
本文介绍了梯度提升回归树算法（Gradient Boosting Regression Tree，下文简称GBRT）相关内容。
使用梯度提升树算法进行CTR预测
教程简介耗时：55分钟在本教程中，您将通过PAI提供的GBDT二分类v2训练与预测组件，实现流量数据的点击率预估，并通过二分类评估组件对预测结果进行评估。同时本教程还提供模型部署的方法，评估后的模型可以非常容易的部署成线上服务。在教程示例的点击率预估模型中，对流量数据的处理思路如下：首先使用标准化组...
绕开算力限制，如何用单GPU微调 LLM？这是一份「梯度累积」算法教程（2）
由于没有多的 GPU 可用于张量分片（tensor sharding），又能做些什么来训练具有更大批大小（batch size）的模型呢？其中一种解决方法就是梯度累积，可以通过它来修改前面提到的训练循环。什么是梯度积累？梯度累积是一种在训练期间虚拟增加批大小（batch ...
绕开算力限制，如何用单GPU微调 LLM？这是一份「梯度累积」算法教程
让算力资源用到极致，是每一位开发者的必修课。自从大模型变成热门趋势之后，GPU 就成了紧俏的物资。很多企业的储备都不一定充足，更不用说个人开发者了。有没有什么方法可以更高效的利用算力训练模型？在最近的一篇博客，Sebastian Raschka 介绍了「梯度累积」的方法，能够在 GPU 内存受限时使...
梯度提升算法决策过程的逐步可视化
梯度提升算法介绍梯度提升算法（Gradient Boosting）是一种集成学习算法，它通过构建多个弱分类器，然后将它们组合成一个强分类器来提高模型的预测准确率。梯度提升算法的原理可以分为以下几个步骤：初始化模型：一般来说，我们可以使用一个简单的模型（比如说决策树）作为初始的分类器。计算损失函数的负...
【机器学习】集成学习（Boosting）——梯度提升树（GBDT）算法（理论+图解+公式推导）
2021人工智能领域新星创作者，带你从入门到精通，该博客每天更新，逐渐完善机器学习各个知识体系的文章，帮助大家更高效学习。一、引言之前我们使用Boosting模型讲解了AdaBoost算法模型的原理，采用加法模型和向前分步算法，它是采用了很多个基学习器按照一定权重进行线性组合。f M ( x ) =...
非梯度类启发式搜索算法：Nelder Mead
算法介绍Hello，今天给大家介绍一种不基于梯度的优化算法 Nelder Mead。Nelder Mead 算法通常是用来求解非线性（nonlinear）、导函数未知情况下目标函数的最大值或者最小值。学过梯度下降的同学应该知道，梯度下降类算法的每一步都需要计算当前位置的梯度，从而更新当前解使得最终逐...
Python opencv图像处理基础总结(五) 图像金字塔 图像梯度 Canny算法边缘提取
一、图像金字塔图像金字塔是图像多尺度表达的一种，是一种以多分辨率来解释图像的有效且概念简单的结构。一幅的图像金是一系列以金字塔形状排列的分辨率逐步降低，且来源于同一张原始图的图像集合。其通过梯次向下采样获得，直到达到某个终止条件才停止采样。我们将一层一层的图像比喻成金字塔，层级越高，则图像越小，分辨...
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
