sunyingjian / boosting-and-othersLinks
三大boosting算法的工程实现 XGBoost、LightGBM、Catboost原理实现及常见面试问题总结，以及其他理解深刻的机器学习、深度学习文章备份
☆11Updated 4 years ago
Alternatives and similar repositories for boosting-and-others
Users that are interested in boosting-and-others are comparing it to the libraries listed below
Sorting:
- 2021科大讯飞-车辆贷款 违约预测挑战赛 Top1方案☆70Updated 3 years ago
- 当样本分布发生变化时，交叉验证无法准确评估模型在测试集上的效果，这时候需要其他构造验证集的方法来应对。☆52Updated 5 years ago
- WSDM2022留存预测挑战赛 第1名解决方案☆96Updated 3 years ago
- ChallengeHub开源的各大比赛baseline集合☆81Updated 3 years ago
- 天池 新冠疫情相似句对判定大赛 top6方案☆77Updated 3 years ago
- 2019厦门国际银行“数创金融杯”数据建模大赛☆25Updated 4 years ago
- DIGIX2021 基于多目标优化的视频推荐 亚军方案☆25Updated 3 years ago
- 2021 微信大数据挑战赛 复赛Rank23☆27Updated 4 years ago
- ☆142Updated 3 years ago
- 2019数字中国创新大赛 消费者人群画像 信用智能评分☆49Updated 4 years ago
- 2020翼支付风险用户识别 初赛、复赛AB榜Rank1☆57Updated 4 years ago
- 阿里云天池零基础入门NLP比赛_rank4选手比赛总结: https://tianchi.aliyun.com/competition/entrance/531810/introduction☆194Updated 2 years ago
- 大家好，我是coggle开源小组成员 庐州小火锅，这篇文章将会介绍天池学习赛贷款违约预测的TOP6单模方案（具体介绍见我的csdn：），现附上比赛链接天池学习赛贷款违约预测.https://tianchi.aliyun.com/competition/entrance/53…☆53Updated 4 years ago
- ☆23Updated 2 years ago
- 2020 AI研习社 金融用户评论分类☆14Updated 5 years ago
- ☆10Updated 3 years ago
- 利用lightgbm做(learning to rank)排序学习，包括数据处理、模型训练、模型决策可视化、模型可解释性以及预测等。Use LightGBM to learn ranking, including data processing, model trainin…☆270Updated 2 years ago
- 2019厦门国际银行“数创金融杯”数据建模大赛 复赛第六☆19Updated 5 years ago
- DataFountain第五届达观杯第4名方案☆50Updated 2 years ago
- 整理所有特征工程用到的方法，为了复用☆10Updated 4 years ago
- 根据GBDT衍生变量，并对衍生后的变量进行应用☆21Updated 5 years ago
- 2022搜狐校园算法大赛NLP赛道第一名开源方案（实验代码）☆88Updated 3 years ago
- 招商银行第二届fintech-财经新闻分析baseline(线上第1名)☆39Updated 7 years ago
- 天池-Datawhale 零基础入门NLP-新闻文本分类 最终榜Top10分享☆60Updated 4 years ago
- ☆20Updated 3 years ago
- 机器学习面试题总结，the summary of machine learning questions☆22Updated 3 years ago
- ☆44Updated 4 years ago
- Data competition Top Solution 数据竞赛top解决方案开源整理☆23Updated 5 years ago
- 华为digix 2021 赛题1☆29Updated 3 years ago
- 抽象来讲，机器学习问题是把数据转换成信息再提炼到知识的过程，特征是“数据-->信息”的过程，决定了结果的上限，而分类器是“信息-->知识”的过程，则是去逼近这个上限☆20Updated last week