Questions tagged «software-recommendation»

我已经建立了模型。现在，我想为我的研究论文绘制网络架构图。示例如下所示：

77 machine-learning  neural-network  deep-learning  svm  software-recommendation 

我正在尝试通过50个具有100个数字特征的示例训练一个梯度提升模型。XGBClassifier我的机器43秒内把手500棵树，而GradientBoostingClassifier只处理10棵（！）以1分2秒:(我没有理会试图种植500棵树，因为它会需要几个小时。我使用的是相同的learning_rate，并max_depth设置， 见下文。 是什么使XGBoost如此之快？它是否使用了sklearn家伙不知道的用于梯度增强的新颖实现方式？还是“偷工减料”并种植浅树？ ps我知道这个讨论：https : //www.kaggle.com/c/higgs-boson/forums/t/10335/xgboost-post-competition-survey，但是那里找不到答案... XGBClassifier(base_score=0.5, colsample_bylevel=1, colsample_bytree=1, gamma=0, learning_rate=0.05, max_delta_step=0, max_depth=10, min_child_weight=1, missing=None, n_estimators=500, nthread=-1, objective='binary:logistic', reg_alpha=0, reg_lambda=1, scale_pos_weight=1, seed=0, silent=True, subsample=1) GradientBoostingClassifier(init=None, learning_rate=0.05, loss='deviance', max_depth=10, max_features=None, max_leaf_nodes=None, min_samples_leaf=1, min_samples_split=2, min_weight_fraction_leaf=0.0, n_estimators=10, presort='auto', random_state=None, subsample=1.0, verbose=0, warm_start=False)

29 scikit-learn  xgboost  gbm  data-mining  classification  data-cleaning  machine-learning  reinforcement-learning  data-mining  bigdata  dataset  nlp  language-model  stanford-nlp  machine-learning  neural-network  deep-learning  randomized-algorithms  machine-learning  beginner  career  xgboost  loss-function  neural-network  software-recommendation  naive-bayes-classifier  classification  scikit-learn  feature-selection  r  random-forest  cross-validation  data-mining  python  scikit-learn  random-forest  churn  python  clustering  k-means  machine-learning  nlp  sentiment-analysis  machine-learning  programming  python  scikit-learn  nltk  gensim  visualization  data  csv  neural-network  deep-learning  descriptive-statistics  machine-learning  supervised-learning  text-mining  orange  data  parameter-estimation  python  pandas  scraping  r  clustering  k-means  unsupervised-learning 

我想设置一个服务器，该服务器可以通过以下方式支持数据科学团队：作为存储，版本控制，共享以及可能执行Jupyter笔记本的中心点。 一些所需的属性： 不同的用户可以访问服务器并打开和执行由他们或其他团队成员存储的笔记本。这里有趣的问题是，会是什么行为，如果用户X执行细胞在笔记本上创作的用户Y.我猜笔记本应该不被改变： 解决方案应该是自托管的。 笔记本应存储在服务器或Google驱动器上，或存储在owncloud的自托管实例中。 （奖金）笔记本将受到git版本控制（git可以是自托管的。不能绑定到GitHub或类似的东西）。 我调查了JupyterHub和Binder。对于前者，我不了解如何允许跨用户访问。后者似乎仅支持GitHub作为笔记本的存储。 您是否有使用任何一种解决方案的经验？

22 software-recommendation 

我正在寻找可以执行分段回归（也称为分段回归）的Python库。 范例：

16 python  linear-regression  library  software-recommendation 

我正在寻找可以为多标签分类计算混淆矩阵的Python库。 仅供参考： scikit-learn 不支持混淆矩阵的多标签） Multiclass和Multilabel问题有什么区别

9 python  software-recommendation  multilabel-classification 

我正在寻找实现多元线性回归的Python包。 （术语注释：多元回归处理的情况是一个以上因变量，而多元回归处理的情况是一个因变量但一个以上自变量。）

9 python  regression  library  software-recommendation