R语言在win10下编译的lightGBM扩展包。
>sessionInfo()Rversion3.4.3(2017-11-30)Platform:x86_64-w64-mingw32/x64(64-bit)Runningunder:Windows>=8x64(build9200)Matrixproducts:defaultlocale:[1]LC_COLLATE=Chinese(Simplified)_China.936[2]LC_CTYPE=Chinese(Simplified)_China.936[3]LC_MONETARY=Chinese(Simplified)_China.936[4]LC_NUMERIC=C[5]LC_TIME=Chinese(Simplified)_China.936attachedbasepackages:[1]statsgraphicsgrDevicesutilsdatasetsmethods[7]baseotherattachedpackages:[1]lightgbm_2.1.0R6_2.2.2loadedviaanamespace(andnotattached):[1]compiler_3.4.3magrittr_1.5tools_3.4.3[4]yaml_2.1.18data.table_1.10.4-3>require(lightgbm)Loadingrequiredpackage:lightgbmLoadingrequiredpackage:R6>data(iris)>iris$Speciestraintestdtraindtestvalidsparamsmodelmy_preds>head(my_preds)[1]0.825901300.087049350.087049350.825901
2025/3/14 19:30:48 1.75MB R语言 lightGBM
1
Sciblog支持信息和代码此仓库包含支持我的博客的项目,其他信息和代码:。
您可以找到我在发表的所有帖子的列表。
笔记本项目:在这个项目中,我们解释什么是卷积以及如何使用带有MNIST字符识别数据集的MXNet深度学习库来计算CNN。
这里是。
:在本项目中,我们使用PyTorch解释迁移学习的基本方法(微调和冻结),并分析在哪种情况下更好地使用每种方法。
这里是。
:在这些笔记本中,我们展示了如何使用Char-CNN和VDCNN模型执行字符级卷积以进行情感分析。
这里是。
:在本笔记本中,我们展示了许多简单的技术来生成图像,文本和时间序列中的新数据。
这里是。
降:在本项目中,我们使用sklearn和CUDA展示t-SNE算法的示例。
我们使用CNN从图像生成高维特征,然后展示如何将其投影并可视化为二维空间。
这里是。
:在本笔记本中,我们使用GPU上的LightGBM(也可在CPU上)设计实时欺诈检测模型。
然后使用Flask和websockets通过API对模型进行操作。
这里是。
:在本笔记本中,我们演示如何创建图像分类API。
该系统与使用CNTK深度
1
微软新开源的轻量级、高效率梯度提升树lightgbm工具。
已经编译好windows-gpu版本。
安装cuda和cudnn后,直接运行"pythoninstall-e."安装即可使用。
2024/5/5 5:04:42 90.49MB lightgbm GPU 梯度提升树 机器学习
1
lightgbm-gpu已编译版本,linux环境下可以直接安装使用
2024/1/19 11:16:08 19.88MB lightgbm
1
Kaggle-M5-预测精度我对M5预测准确性的Kaggle竞赛的解决方案比赛首页探索性数据分析包括EDA笔记本,其中突出显示了数据发现特征工程与建模最重要的功能是滞后功能,由滞后,滚动窗口和对销售和价格的汇总功能的组合创建。
使用LightGBM执行建模。
超参数调整是通过3倍时间序列交叉验证完成的。
推理最终预测(接下来28天的单位销售额)是通过递归推断进行的。
结果我的最终提交在5500多个团队中排名前3%,并为我赢得了银牌!
2023/8/27 11:46:21 2.91MB JupyterNotebook
1
亲身已测可以直接使用安装的LightGBM包,希望帮助不想安装vs的小伙伴们安装python包/
2023/3/19 10:15:49 17.67MB 机器学习
1
作者是在windows10,64位,python3.7.0,Anaconda3环境下举行安装的。
附有安装教程。
2021/2/16 14:46:57 17.74MB python lightgbm xgboost
1
在日常工作中,钉钉打卡成了我生活中不可或缺的一部分。然而,有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚,我总是得牢记打开钉钉应用,点击"工作台",再找到"考勤打卡"进行签到。有时候因为工作忙碌,会忘记打卡,导致考勤异常,影响当月的工作评价。而且,由于我使用的是苹果手机,有时候系统更新后,钉钉的某些功能会出现异常,使得打卡变得更加麻烦。 另外,我的家人使用的是安卓手机,他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说,每次打卡都是一次挑战。他们总是担心自己会操作失误,导致打卡失败。 为了解决这些烦恼,我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习,我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03 15KB 钉钉 钉钉打卡