搜索 - 腾讯云开发者社区-腾讯云

文章/答案/技术大牛

发布

来自专栏AI科技时讯
贝叶斯优化在XGBoost及随机森林中的使用
XGBoost和Random-Forest（RF，随机森林）都属于集成学习（Ensemble Learning），集成学习的目的是通过结合多个基学习器的预测结果来改善单个学习器的泛化能力和鲁棒性，通过组合各个决策树的输出来进行预测前者的代表就是XGBoost，后者的代表是Random-Forest。
4K11发布于 2019-08-15
来自专栏NLP/KG
金融时间序列预测方法合集：CNN、LSTM、随机森林、ARMA预测股票价格（适用于时序问题）、相似度计算、各类评判指标绘图（数学建模科研适用）
44.51361108752264 3、MAPE：1.3418267677320612 4、AMAPE：1.3420384401412058 3.基于随机森林预测股票未来第d+k天相比于第d天的涨/跌Random-Forest
8.8K41编辑于 2023-07-08
来自专栏AI分享
基于Machine Learning Studio的企业级MLOps架构设计指南
/outputs/rf.onnx', model_name='random-forest', tags={'dataset
4.9K31编辑于 2025-04-14
来自专栏人工智能快报
麻省理工使用人工智能改善早期乳腺癌检测
利用“随机森林分类器”（random-forest classifier）这种方法，该研究团队的模型实现了不必要手术数量比“总是做手术”这种策略的少，能诊断出的癌性病变数量比“只基于传统的高风险病变进行手术
848110发布于 2018-03-15
来自专栏单细胞天地
SCENIC | 以single-cell RNA-seq数据推断基因调控网络和细胞功能聚类
作者建议两种补充方法来扩展网络推断： 1.取采样数据集的子集来推断出GRN，并在AUCell评分步骤中包括所有细胞2.使用更高效的机器学习和大数据处理解决方案，作者应用GRNBoost 梯度增强来代替random-forest
10.1K54发布于 2020-03-30
来自专栏机器之心
理解随机森林：基于Python的实现和解释
原文链接：https://enlight.nyc/projects/random-forest/
1.4K20发布于 2019-01-02
来自专栏生信宝典
一作解读|Nat. Biotechnol.：水稻NRT1.1B基因调控根系微生物组参与氮利用
随机森林准确预测籼粳稻亚种 Fig. 2 | Random-forest model detects bacterial taxa that accurately predict indica and
5K40发布于 2019-05-14

贝叶斯优化在XGBoost及随机森林中的使用

金融时间序列预测方法合集：CNN、LSTM、随机森林、ARMA预测股票价格（适用于时序问题）、相似度计算、各类评判指标绘图（数学建模科研适用）

基于Machine Learning Studio的企业级MLOps架构设计指南

麻省理工使用人工智能改善早期乳腺癌检测

SCENIC | 以single-cell RNA-seq数据推断基因调控网络和细胞功能聚类

理解随机森林：基于Python的实现和解释

一作解读|Nat. Biotechnol.：水稻NRT1.1B基因调控根系微生物组参与氮利用

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐