第17章gbdt和分類模型評估算法角度_第1頁
第17章gbdt和分類模型評估算法角度_第2頁
第17章gbdt和分類模型評估算法角度_第3頁
第17章gbdt和分類模型評估算法角度_第4頁
第17章gbdt和分類模型評估算法角度_第5頁
已閱讀5頁，還剩50頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)

文檔簡介

第17GBDT主要內(nèi) 3組合樹算法的發(fā)展歷目標函目標函數(shù)通常包含兩項：損失函數(shù)和正則損失函數(shù)—回損失函數(shù)——分負log似然損正則0本，但，隨 量值會化訓練數(shù)據(jù)中可能會有復(fù)雜模型（預(yù)測）不穩(wěn)所以需要控制模型復(fù)雜正則項：對復(fù)雜模型施加懲常用正則函L1正則和稀疏模常見線性模型的損失和正則項組非線性模優(yōu)梯度下降（GradientDescent）算梯度下降算法L2損失函數(shù)梯Logistic損失梯Logistic損失函數(shù)梯度Logistic損失函數(shù)梯度Logistic損失函數(shù)梯度前向逐步遞 提實基模AdaBoostas前向逐步遞AdaBoostas前向逐步遞增前向逐步遞增—其他損失函Boostingas數(shù)梯度下GradientGradientGradientBoosting損失函數(shù)的二Scikit-learn中的Scikit-learn中的 34567 8.313456789 12 決策率\精確度\F排序ROC指標K-S統(tǒng)計提升 客戶預(yù)測為正?？蛻?，則代價慘重決策類模型評 每給定一個閾值，就可以出一矩打分反應(yīng)（預(yù)測未反應(yīng)（預(yù)測合結(jié)呈現(xiàn)信（真實未呈現(xiàn)信（真實）合TrueC（虛報FalseA+B（漏報FalseD（正確否定TrueB+A+C+A+B+C+正確率靈敏度（Sensitivity；覆蓋率(Precision、特異度(Specificity；負例的覆蓋率負(PV-)=6.F-Scikit-learn實現(xiàn) 矩 決策率\精確度\F排序ROC指提升 該類模型的需求是回答“會不會？”。比如預(yù)測一下客戶違約的概率、響應(yīng)的概率X:1-特異Y：靈敏X:X:深Y紅：正例累積密Y藍：負例累積密Y率：K-SX:Y：精確 ROC（ReceiverOperatingCharacterstic）曲線——接收者操作特征曲線。

PredictedPredicted1-13-13-0111101110100010000

01088113 1-靈敏靈敏1-特異 3-弱的模

強的模ROC曲線結(jié)果的取值在[0.5,1[0.95,0.1]社會科學建模中不大可能出現(xiàn)ROC圖 違約分值高處敏該模型在違約風險高人群中的測能力較強，而在違約率低的部部分客戶授予分期。

違約分值低處敏該模型在違約風險低人群中的測能力較強，而

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論