所有文章
> 当前分类:AI驱动
突破最强算法模型，XGBoost！！
2025/01/08
最近几天，对于XGBoost的讨论，也是久居不下，XGBoost的重要程度不言而喻。 现在工业界使用的场景特别多，那咱们针对其重要的方面进行一个详细的阐述~ 简单来说，XGBoost 是一种非常非常强大的机器学习算法，全称叫做 ...
突破最强算法模型，GBDT ！！
【AI驱动】
今儿给大家分享另外一个非常重要的算法：GBDT ！~ 首先说，GBDT (Gradient Boosting Decision Tree) 是一种集成学习算法，它通过组合多个决策树模型来提升预测效果。这个名字有点复杂，但其实它...
2025/01/08
GBDT、XGBoost、LightGBM，树模型全面对比 ！！
【AI驱动】
今儿再来和大家聊聊GBDT、XGBoost和LightGBM的区别和联系~ GBDT（Gradient Boosting Decision Trees）、XGBoost（eXtreme Gradient Boosting）和Light...
2025/01/08
突破XGBoost，XGBoost在股票市场趋势预测中的应用 ！！
【AI驱动】
今儿和大家聊一个基于XGBoost的综合案例，带大家进一步理解XGBoost的应用~ 案例标题：XGBoost在股票市场趋势预测中的应用。 股票市场一直被认为是高度不确定性和复杂性的代表。其价格波动受多种因素影响，包括宏观经济数...
2025/01/08
突破最强回归算法模型，SVR ！！
【AI驱动】
SVR核心概念 SVR 是一种基于支持向量机（SVM）的回归模型，用来解决回归问题。它的目标是找到一个最优的回归线（或高维空间中的超平面），使得大多数数据点离这条线的距离都在一定的容忍范围内。 首先，我们用一个简单的例子来解释。...
2025/01/08
突破最强时间序列模型，LightGBM！！
【AI驱动】
整篇文章从最开始的简单解释到最后的完整案例，给大家做一个详细的解释。 首先，LightGBM（Light Gradient Boosting Machine）主要用于回归、分类等任务。它特别擅长处理大型数据集，并且速度非常快。Ligh...
2025/01/08
突破最强分类算法，高斯混合模型！！
【AI驱动】
要理解高斯混合模型，我们先来看什么是高斯分布。你可以把高斯分布想象成一个钟形曲线，表示某个现象的概率分布，像身高、体重这样的数据通常符合高斯分布。大多数人的身高集中在平均值附近，少数人的身高偏高或偏低，形成一个钟形的概率分布。 高斯混...
2025/01/08
突破最强时间序列模型，移动平均！！
【AI驱动】
什么是移动平均？ 移动平均（Moving Average，简称MA）其实就是一种「平滑」数据的方法。你可以把它想象成，通过取一段时间内的数据平均值，来让这些数据看起来不那么波动，这样可以帮助我们看到数据的整体趋势，而不是被某些极端数值...
2025/01/08
突破最强时间序列模型，自回归滑动平均！！
【AI驱动】
1. 什么是「时间序列」？ 时间序列就是随着时间变化的数据。例如： 每天的气温记录 每小时的股票价格 每周的店铺销售额 这些数据都有一个特点——它们是按照时间顺序排列的，并且通常前面的数据会影响后面的数据。...
2025/01/08
突破最强集成算法模型，Adaboost！！
【AI驱动】
工作原理 假设你是一位老师，想知道班上50个学生会不会通过考试。单靠你自己去预测每个人的成绩可能不准，所以你决定请几个同事帮忙预测。 第一步：建立第一个预测模型 你的第一位同事A来了。他根据以往经验对每个学生的通过与否做了...
2025/01/08
通透！十大时间序列技术 ！！
【AI驱动】
1. 自回归模型 原理介绍 自回归模型 (AR) 是时间序列分析中的一种线性回归模型，假设时间序列的当前值可以通过前一时刻及其之前的观测值的线性组合来预测。 核心公式 自回归模型的公式为： 优缺点和适用...
2025/01/08
突破LSTM！时间序列预测 ！！
【AI驱动】
1. 基本原理 简单来说，LSTM 是 RNN 的一种，它通过引入“记忆单元”来捕捉长时间的依赖关系，使其在处理长期依赖问题时非常有效。对于天气数据的预测，LSTM特别适用，因为天气数据是高度时序依赖的。 例如，某一天的温度和湿...
2025/01/08
突破LightGBM！最强时间序列模型！！
【AI驱动】
LightGBM 的核心概念 o是一种基于树的算法，也就是说，它是用很多小的决策树来构建预测模型。 它主要有两个特点： 梯度提升：每一棵新的树都是在上一次的误差基础上进行改进的。它不断地改进模型的预测结果，使得误差越来越...
2025/01/08
突破XGBoost！时间序列预测 ！！
【AI驱动】
1. 问题定义 假设我们有一个零售公司，该公司的目标是预测未来7天的销售量。 数据集包括以下几列： 日期：具体的销售日期 销售量（Sales）：每天的销售量数据 天气（Weather）：当天的天气情况（如晴天...
2025/01/08
突破LSTM！结合ARIMA时间序列预测 ！！
【AI驱动】
混合模型数学原理 ARIMA模型 ARIMA模型（Auto-Regressive Integrated Moving Average）是基于时间序列的自回归和滑动平均过程。它可以表示为 ARIMA(p, d, q)，其中： ...
2025/01/08
突破K-means，与DTW时间序列聚类分析 ！！
【AI驱动】
理论基础 1. 动态时间规整（DTW） DTW是一种用于比较两个时间序列相似性的算法。它允许时间轴上的非线性对齐，从而处理时间序列中的速度变化。 DTW公式 DTW计算的结果是两个序列的对齐路径以及最小的总对...
2025/01/08
搜索文章
热门话题
