From d2cb0bcef38814d7e82ae218dd94833a0cdc64fd Mon Sep 17 00:00:00 2001 From: shataowei Date: Wed, 20 Nov 2019 19:09:51 +0800 Subject: [PATCH] =?UTF-8?q?=E7=BB=93=E6=9E=84=E8=B0=83=E6=95=B4?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- .idea/workspace.xml | 40 ++++++++++++++++++++-------------------- README.md | 16 ++++++++-------- 2 files changed, 28 insertions(+), 28 deletions(-) diff --git a/.idea/workspace.xml b/.idea/workspace.xml index 3023173..1b832af 100644 --- a/.idea/workspace.xml +++ b/.idea/workspace.xml @@ -2,7 +2,7 @@ - + @@ -23,7 +23,7 @@ - + @@ -37,7 +37,7 @@ - + @@ -47,7 +47,7 @@ - + @@ -138,8 +138,8 @@ @@ -553,7 +553,7 @@ - + @@ -1431,20 +1431,20 @@ - - + + - - + + - + - - + + @@ -1453,20 +1453,20 @@ - - + + - - + + - + - - + + diff --git a/README.md b/README.md index bc7be96..4572273 100644 --- a/README.md +++ b/README.md @@ -222,8 +222,8 @@ - [常用回归问题的损失函数](机器学习/集成学习/GBDT.md#L164) - [常用分类问题的损失函数](机器学习/集成学习/GBDT.md#L164) - [什么是gbdt中的残差的负梯度](机器学习/集成学习/GBDT.md#L164) - - [如何用残差的负梯度实现gbdt](机器学习/集成学习/GBDT.md#L164) - - [拟合残差的负梯度为什么是可行的](机器学习/集成学习/GBDT.md#L164) + - [如何用损失函数的负梯度实现gbdt](机器学习/集成学习/GBDT.md#L164) + - [拟合损失函数的负梯度为什么是可行的](机器学习/集成学习/GBDT.md#L164) - [即便拟合负梯度是可行的,为什么不直接拟合残差? 拟合负梯度好在哪里](机器学习/集成学习/GBDT.md#L164) - [Shrinkage收缩的作用](机器学习/集成学习/GBDT.md#L164) - [feature属性会被重复多次使用么](机器学习/集成学习/GBDT.md#L164) @@ -232,12 +232,12 @@ - [gbdt的优缺点](机器学习/集成学习/GBDT.md#L164) - [gbdt和randomforest区别](机器学习/集成学习/GBDT.md#L164) - [GBDT和LR的差异](机器学习/集成学习/GBDT.md#L164) - - [xgboost对比gbdt/boosting Tree有了哪些方向上的优化](机器学习/集成学习/xgboost.md#L164) - - [xgboost优化目标/损失函数改变成什么样](机器学习/集成学习/xgboost.md#L164) - - [xgboost如何使用MAE或MAPE作为目标函数](机器学习/集成学习/xgboost.md#L164) - - [xgboost如何寻找分裂节点的候选集](机器学习/集成学习/xgboost.md#L164) - - [xgboost如何处理缺失值](机器学习/集成学习/xgboost.md#L164) - - [xgboost在计算速度上有了哪些点上提升](机器学习/集成学习/xgboost.md#L164) + - [xgboost对比gbdt/boosting Tree有了哪些方向上的优化](机器学习/集成学习/Xgboost.md#L164) + - [xgboost优化目标/损失函数改变成什么样](机器学习/集成学习/Xgboost.md#L164) + - [xgboost如何使用MAE或MAPE作为目标函数](机器学习/集成学习/Xgboost.md#L164) + - [xgboost如何寻找分裂节点的候选集](机器学习/集成学习/Xgboost.md#L164) + - [xgboost如何处理缺失值](机器学习/集成学习/Xgboost.md#L164) + - [xgboost在计算速度上有了哪些点上提升](机器学习/集成学习/Xgboost.md#L164) - FM/FFM - SVM - [简单介绍SVM](机器学习/支持向量机/支持向量机.md#L164)