Library Search
结果页原生类别特征 + early stopping 分类实战
在 元器件 / 技术栈 / 知识库 中找到 16 个匹配结果。
技术栈
技术栈
8 个 LightGBM # LightGBM 原生类别特征分类
## 目标
展示 LightGBM 两大特色：原生类别特征支持（无需 One-Hot）和 early stopping 回调。
## 完整代码
```python
import lightgbm as lgb
import pandas as pd
import numpy as np
from sklearn.model_selection imp… 3% XGBoost # XGBoost 入门教程：调参心法与数学原理
## 1. XGBoost 是什么？
XGBoost 是基于 **梯度提升决策树 (GBDT)** 的并行优化实现。核心思想：串行训练多棵弱决策树，每棵新树拟合前一步的残差。
$$ \hat{y}_i^{(t)} = \hat{y}_i^{(t-1)} + \eta \cdot f_t(x_i) $$
其中 $f_t$ 是第 t 棵树，$\… 2% NLTK ```python
grammar = nltk.CFG.fromstring("""
S -> NP VP
NP -> Det N | Det N PP | 'I'
VP -> V NP | VP PP
PP -> P NP
Det -> 'the' | 'a'
N -> 'dog' | 'cat' | 'park'
V -> 'saw'… 1% Spring Framework @Component
@Scope(value = "request", proxyMode = ScopedProxyMode.TARGET_CLASS)
public class RequestScopedBean { } // Web 环境，每次 HTTP 请求
@Component
@Scope(value = "session", proxyMode = ScopedProxyMod… 1% FastAI ## FastAI
FastAI 是由 Jeremy Howard 和 Rachel Thomas 创建的**PyTorch 顶层深度学习框架**，核心理念是"让深度学习民主化"。它基于类型派发(type dispatch)将最佳实践自动应用到各任务类型上，用 4 行代码训练出 SOTA 模型。
**核心价值：**
- **傻瓜式训练**：`vision_learner(dls, resnet… 1% C# | 指令 | 作用 | 示例 |
|------|------|------|
| `x-data` | 定义组件作用域和数据 | `x-data="{ open: false }"` |
| `x-model` | 双向数据绑定 | `<input x-model="name">` |
| `@click` / `x-on:` | 事件绑定 | `<button @click="open = !… 1% Alpine.js | 指令 | 作用 | 示例 |
|------|------|------|
| `x-data` | 定义组件作用域和数据 | `x-data="{ open: false }"` |
| `x-model` | 双向数据绑定 | `<input x-model="name">` |
| `@click` / `x-on:` | 事件绑定 | `<button @click="open = !… 1% Pytest ## Pytest
Pytest 是 Python 最流行的测试框架，由 Holger Krekel 于 2004 年创建。它以简洁的断言语法和丰富的插件生态取代了标准库 unittest。
### 解决什么问题
- 用最少的样板代码编写测试用例
- 提供 fixture 机制优雅管理测试依赖和资源
- 参数化测试避免重复代码
### 关键特性
- 自动发现测试：以 `test_` 开头即可… 1%
知识库
知识库
8 个 原生类别特征 + early stopping 分类实战 # ─── 3. 训练 + Early Stopping ───
callbacks = [
lgb.early_stopping(stopping_rounds=20, verbose=1),
lgb.log_evaluation(period=50),
]
model = lgb.LGBMClassifier(
n_estimators=500,
learni… 3% XGBoost 调参心法与数学原理 # XGBoost 入门教程：调参心法与数学原理
## 1. XGBoost 是什么？
XGBoost 是基于 **梯度提升决策树 (GBDT)** 的并行优化实现。核心思想：串行训练多棵弱决策树，每棵新树拟合前一步的残差。
$$ \hat{y}_i^{(t)} = \hat{y}_i^{(t-1)} + \eta \cdot f_t(x_i) $$
其中 $f_t$ 是第 t 棵树，$\… 2% Leaf-wise 生长与 GOSS 原理揭秘 ## 5. 原生类别特征：不用 One-Hot！
```python
# ❌ XGBoost 需要这样（特征膨胀！）
pd.get_dummies(df, columns=['city'])
# ✅ LightGBM 原生支持
df['city'] = df['city'].astype('category')
model.fit(X, y, categorical_feature=['cit… 2% NLTK 与 NLP 基础：语料库、语法树与分类器 ```python
grammar = nltk.CFG.fromstring("""
S -> NP VP
NP -> Det N | Det N PP | 'I'
VP -> V NP | VP PP
PP -> P NP
Det -> 'the' | 'a'
N -> 'dog' | 'cat' | 'park'
V -> 'saw'… 1% 核心原理深入教程 @Component
@Scope(value = "request", proxyMode = ScopedProxyMode.TARGET_CLASS)
public class RequestScopedBean { } // Web 环境，每次 HTTP 请求
@Component
@Scope(value = "session", proxyMode = ScopedProxyMod… 1% 入门教程 - 企业级框架核心概念 deleteProduct(id: number): Observable<void> {
return this.http.delete<void>(`/api/products/${id}`);
}
}
```
## 九、最佳实践
1. **使用 Standalone Components**（Angular 15+），告别 NgModule 样板
2. **Signals 优… 1% 鸢尾花分类：训练 + 交叉验证 + 特征重要性 # ─── 5. 特征重要性 ───
xgb.plot_importance(model, importance_type="gain")
plt.title("XGBoost Feature Importance (Gain)")
plt.tight_layout()
plt.savefig("feature_importance.png")
plt.show()
print("\n特征重要性… 1% Hello World 与 LINQ 入门 // 辅助方法
static string GetGrade(double score) => score switch
{
>= 90 => "A",
>= 80 => "B",
>= 70 => "C",
>= 60 => "D",
_ => "F"
};
static async Task FetchDataAsync()
{
Console… 1%