Лекция 8. XGBoost. Факторный анализ и метод главных компонент

Поделиться
HTML-код
  • Опубликовано: 29 ноя 2024

Комментарии • 8

  • @БумагаВсёСтерпит
    @БумагаВсёСтерпит 3 года назад

    Уважаемый Вадим Леонардович. Вы не встречались с упоминанием о применении генетического алгоритма для определения оптимальных значений параметров модели вместо перебора? В моей небольшой еще практике генетический алгоритм повышает качество модели генерируя новые характеристики. Помогает оценить важность характеристик и их преобразование, а также снижает размерность задачи. Возможно, генетический алгоритм будет и лучше перебора.

    • @Vadim_Abbakumov
      @Vadim_Abbakumov 3 года назад

      Мое впечатление от предыдущих попыток применения генетических алгоритмов - слишком долго работают. Прямо сейчас я предпочитаю байесовскую оптимизацию. Что будет завтра - не знаю...

  • @pavelbrudanov6701
    @pavelbrudanov6701 5 лет назад

    Ого. Это значит что можно разные по высоте таблицы привести к чему то одному и провести нормальный анализ, с помощью факторного анализа? :)

    • @Vadim_Abbakumov
      @Vadim_Abbakumov 5 лет назад

      Что такое разные по высоте таблицы?

  • @qwqw2674
    @qwqw2674 4 года назад

    TypeError: __init__() got an unexpected keyword argument 'fit_params'
    не могу разобраться, что не так со строкой в исходниках:
    fit_params={},iid=True, n_jobs=-1,
    Что следует поправить?

    • @VladKochetov
      @VladKochetov 4 года назад

      qw qw просто не указывайте fit_params, если не помогло, то указывайте не как словарь, а как просто параметры/аргументы функции .fit

  • @coachintegrator
    @coachintegrator 2 года назад

    В 22-й строке ошибка кода. Выдает TypeError: __init__() got an unexpected keyword argument 'fit_params'(

    • @namesurname-1488
      @namesurname-1488 Год назад

      в зависимости от разной версии там разные названия переменных, загуглите.