ML之LightGBM：基于titanic数据集利用LightGBM和shap算法实现数据特征的可解释性(量化特征对模型贡献度得分) / 四六文摘

作者:杰少 NeuralProphet 简介几乎绝大多数做时间序列的朋友都了解Facebook的Prophet模型,因为其在准确性.可解释性等方面有着良好的性能,而且可以为用户自动化许多元素(如超参 ...

我还是曾经那个少年, 没有一丝丝改变, 天马行空的想象, 没有一丁点儿实现...... 本篇还介绍plt的参数,接上篇plt设置. 3.坐标轴标题可以用plt.xlabel()或者plt.ylabe ...

可解释机器学习在这几年慢慢成为了机器学习的重要研究方向.作为数据科学家需要防止模型存在偏见,且帮助决策者理解如何正确地使用我们的模型.越是严苛的场景,越需要模型提供证明它们是如何运作且避免错误的证据 ...

模块在python里面是很实用的东西,类似于其他语言里的包或头文件. 一个模块其实就是一个保存了python代码的文件. 1.导入模块用关键字import导入模块. 如,要使用数学函数,可以导入ma ...

模型可解释性成为机器学习流水线的一个基本部分.将机器学习模型作为"黑盒子"不再是一种选择.幸运的是,像lime.ExplainerDashboard.Shapash.Dalex等分 ...

TSNE提供了一种有效的数据降维方式,让我们可以在2维或3维的空间中展示聚类结果. #-*- coding: utf-8 -*-from __future__ import unicode_liter ...

上篇介绍了如何用plot函数来画折线图,以及如何将多个图画在同一个图片上,本篇介绍的是plot函数一些参数的设置. 1.linewidth和linestyle参数上篇用了color来修改折线的颜色, ...

大家好,我是云朵君! 导读: 本文是分类分析(基于Python实现五大常用分类算法(原理+代码))第二部分,继续沿用第一部分的数据.会总结性介绍集成分类算法原理及应用,模型调参数将不在本次讨论范围内. ...

ML之K-means:基于DIY数据集利用K-means算法聚类(测试9种不同聚类中心的模型性能) 输出结果设计思路 1.使用均匀分布函数随机三个簇,每个簇周围10个数据样本. 2.绘制30个数据样 ...

ML之LiR&Lasso:基于datasets糖尿病数据集利用LiR和Lasso算法进行(9→1)回归预测(三维图散点图可视化) 相关文章 ML之LiR&Lasso:基于dataset ...

ML之LassoR&RidgeR:基于datasets糖尿病数据集利用LassoR和RidgeR算法(alpha调参)进行(9→1)回归预测相关文章 ML之LassoR&RidgeR ...

ML:基于自定义数据集利用Logistic.梯度下降算法GD.LoR逻辑回归.Perceptron感知器.支持向量机(SVM_Linear.SVM_Rbf).LDA线性判别分析算法进行二分类预测(决策 ...

ML之NB:基于news新闻文本数据集利用朴素贝叶斯算法实现文本分类预测基于news新闻文本数据集利用朴素贝叶斯算法实现文本分类预测设计思路更新-- 输出结果 <class 'pandas ...

ML之FE:基于BigMartSales数据集利用Featuretools工具实现自动特征工程之详细攻略daiding 基于BigMartSales数据集利用Featuretools工具实现自动特征工 ...

ML之FE:基于BigMartSales数据集利用Featuretools工具(1个dataframe表结构切为2个Entity表结构)实现自动特征工程之详细攻略相关文章 ML之FE:基于BigMa ...

DL之DNN:基于自定义数据集利用深度神经网络(输入层(10个unit)→2个隐藏层(10个unit)→输出层1个unit)实现回归预测实现代码基于自定义数据集利用深度神经网络(输入层(10个uni ...

ML之回归预测:利用十类机器学习算法(线性回归.kNN.SVM.决策树.随机森林.极端随机树.SGD.提升树.LightGBM.XGBoost)对波士顿数据集[13+1,506]回归预测(模型评估.推 ...

ML之LightGBM：基于titanic数据集利用LightGBM和shap算法实现数据特征的可解释性(量化特征对模型贡献度得分)