共计 11 篇文章
2026
超参数调优：网格搜索，贝叶斯优化（optuna）详解
概率预测之NGBoost（Natural Gradient Boosting）回归和分位数（Quantile Regression）回归
机器学习面试笔试知识点之非监督学习-K 均值聚类、高斯混合模型（GMM）、自组织映射神经网络（SOM）
机器学习面试笔试知识点之K近邻算法(KNN)、最大期望算法(EM)
机器学习面试笔试知识点-贝叶斯网络(Bayesian Network) 、马尔科夫(Markov) 和主题模型(T M)
机器学习面试笔试知识点-线性回归、逻辑回归(Logistics Regression)和支持向量机(SVM)
机器学习面试笔试知识点-决策树、随机森林、梯度提升决策树(GBDT)、XGBoost、LightGBM、CatBoost
机器学习面试笔试之特征工程、优化方法、降维、模型评估
机器学习笔试面试之图像数据不足时的处理方法、检验方法、不均衡样本集的重采样、数据集分布是否一致
LightGBM、XGBoost和CatBoost自定义损失函数和评估指标
CatBoost原生接口和Sklearn接口参数详解