machine-learning - scikit-learn GradientBoostingClassifier 中变量的惩罚？-6ren

machine-learning - scikit-learn GradientBoostingClassifier 中变量的惩罚？

转载作者：行者123 更新时间：2023-11-30 09:01:12

24

4

有没有办法惩罚某个特征，使其不主导模型？ (在 Salford Predictive Modeller 中，有一个名为“变量惩罚”的设置)

情况是，我有一个分类特征，我想将其包含在模型中，但我不想将其作为最重要的特征，因为这样模型就无法正确捕获另一个特征所解释的方差预测因子。

最佳答案

我认为你不能这样做。虽然我不太明白你为什么要这样做，但你可以尝试以下操作:在整个数据集上训练模型，删除此功能后在数据集上训练单独的模型。然后，结合两个模型的结果(可能是简单的平均或叠加等)

关于machine-learning - scikit-learn GradientBoostingClassifier 中变量的惩罚？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/34781335/

24

4

0

文章推荐： python - scikit kmeans 不准确的成本\惯性

文章推荐： javascript - 如何在 jquery 中更改 bing map 上的 map 大小

文章推荐： javascript - 在使用 jQuery 扩展 DIV 时将高度设置为自动

文章推荐： JavaScript 在方法中引用方法？

python - 在预测类别概率时检查 GradientBoostingClassifier 的准确性
在使用 GradientBoostingClassifiers 时，我试图获取模型预测的类的概率，我使用“predict_proba(X)”方法来预测这些类。但我想知道如何检查这个预测的准确性。 P
python - 从 GradientBoostingClassifier 中提取决策规则
我已经回答了以下问题: how to extract decision rules of GradientBosstingClassifier How to extract the decision
python - 使用加权类处理 GradientBoostingClassifier 中的不平衡数据？
我有一个非常不平衡的数据集，我需要在此基础上构建一个模型来解决分类问题。数据集有大约 30000 个样本，其中大约 1000 个样本标记为 -1-，其余标记为 0。我通过以下几行构建模型: X_tra
python - 如何计算 GradientBoostingClassifier 的特征重要性
我正在使用 scikit-learn 的梯度提升树分类器，GradientBoostingClassifier .它使特征重要性得分在 feature_importances_ 中可用。如何计算这些特
scikit-learn - 如何可视化 sklearn GradientBoostingClassifier？
我训练了一个 gradient boost classifier ，我想使用所示的 graphviz_exporter 工具对其进行可视化 here . 当我尝试时，我得到: AttributeErr
python - SciKit-Learn GradientBoostingClassifier 中的零重要性特征删除无需重新调整
在 SciKit-Learn 中拟合 GradientBoostingClassifier 后，某些特征的重要性为零。我的理解是，重要性为零意味着不会对此功能进行拆分。如果我尝试使用不包含该功能的
python - 为什么 Scikit GradientBoostingClassifier 不允许我使用最小二乘回归？
为什么会这样 GradientBoostingClassifier(loss='ls') 失败: raise ValueError("``n_classes`` must be 1 for regre
python - 如何处理 sklearn GradientBoostingClassifier 中的分类变量？
我正在尝试使用 GradientBoostingClassifier 训练模型使用分类变量。以下是原始代码示例，仅用于尝试将分类变量输入到 GradientBoostingClassifier 中。
machine-learning - scikit-learn GradientBoostingClassifier 中变量的惩罚？
有没有办法惩罚某个特征，使其不主导模型？ (在 Salford Predictive Modeller 中，有一个名为“变量惩罚”的设置) 情况是，我有一个分类特征，我想将其包含在模型中，但我不想将其
python - 为 sklearn 的 GradientBoostingClassifier 生成代码
我想从训练有素的梯度提升分类器(来自 sklearn)生成代码(现在是 Python，但最终是 C)。据我了解，该模型采用初始预测器，然后添加来自顺序训练的回归树的预测(按学习因子缩放)。所选择的类是
python - 使用 joblib.dump 保存和加载经过训练的 GradientBoostingClassifier
我正在尝试使用以下代码使用 joblib.dump 保存经过训练的 GradientBoostingClassifier: # use 90% of training data NI=int(len(
python - 如何处理 sklearn 中 GradientBoostingClassifier 中的大量缺失值
所有特征都是 float 数据类型，而有一些特征以 NaN 为主。我尝试通过 GradientBoostingClassifier 训练模型，如下所示。 train_x, test_x, train_
python - 被 GradientBoostingClassifier 的 apply 函数搞糊涂了
应用功能可以引用here 我的困惑更多来自this sample ，我在下面的代码片段中添加了一些打印以输出更多调试信息， grd = GradientBoostingClassifier(n_est
python - scikit-learn 中带有 BaseEstimator 的 GradientBoostingClassifier？
我尝试在 scikit-learn 中使用 GradientBoostingClassifier，它使用默认参数工作正常。但是，当我尝试用不同的分类器替换 BaseEstimator 时，它不起作用并
python - 值错误: y contains non binary labels for VotingClassifier with my GradientBoostingClassifier
您好，我正在尝试将 VotingClassifier 与我的 GradientBoostingClassifier 一起使用，我在 GradientBoostingClassifier 周围放置了一个

首页

博学

6Ren·AI

商城

machine-learning - scikit-learn GradientBoostingClassifier 中变量的惩罚？