扫码阅读
手机扫码阅读
全面整理!机器学习常用的回归预测模型
25 2024-09-29
我们非常重视原创文章,为尊重知识产权并避免潜在的版权问题,我们在此提供文章的摘要供您初步了解。如果您想要查阅更为详尽的内容,访问作者的公众号页面获取完整文章。
查看原文:全面整理!机器学习常用的回归预测模型
文章来源:
Datawhale
扫码关注公众号
前言
回归预测建模的核心是学习输入到输出的映射关系,其中输出是连续值向量。本文整理各种回归预测模型,帮助读者学习回归预测。
线性模型
线性回归通过特征的线性组合预测连续值标签。scikit-learn提供多种线性模型,包括普通最小二乘、Lasso和岭回归等。特别地,弹性网络结合了L1和L2正则化,最小角回归适用于高维数据,正交匹配追踪算法用于近似拟合约束线性模型,贝叶斯回归方法包括ARD和岭回归。
异常值鲁棒回归器如Huber回归和广义线性模型(GLM)用于处理非正态分布的因变量。
非线性模型
非线性回归通过特征的非线性组合交互预测连续值标签。集成树模型如XGBoost、LightGBM、CatBoost在回归预测中广泛使用。非线性模型还包括决策树、支持向量机、KNN和神经网络回归等。
随机森林和深度森林都是基于决策树的集成学习方法,而Extra trees和AdaBoost关注不同的集成策略。基于直方图的梯度提升和TabNet是进一步的改进。
INCE、Local Cascade Ensemble和GATE等是最新的深度学习框架,它们针对表格数据设计,提高预测效率和性能。
想要了解更多内容?
查看原文:全面整理!机器学习常用的回归预测模型
文章来源:
Datawhale
扫码关注公众号
Datawhale的其他文章
Github调研:开发者对生产力、协作和AI编码工具的看法
在美国,有92%的开发者使用AI编码工具,70%说他们看到了使用这些工具的巨大好处。
代码逐行解析!冠军选手解读锂电池生产温度预测赛事方案
代码逐行解析,可一键运行。
为什么电脑配置高,玩《黑神话:悟空》需要等待这么久
Datawhale干货
作者:Eternity,Datawhale成员不少玩家在
带你读论文第三期:微软研究员、北大博士陈琪,荣获NeurIPS杰出论文奖
Datawhale干货
来源:WhalePaper,负责人:芙蕖
WhalePape
AI顶会 ICLR 最新演讲:“The ChatGLM's Road to AGI”,首个中国大模型团队!
国产大模型的全球影响力!
加入社区微信群
与行业大咖零距离交流学习
软件研发质量管理体系建设
白皮书上线