學習器模型中一般有兩個參數：一類參數可以從數據中學習估計得到，還有一類參數無法從數據中估計，只能靠人的經驗進行指定，后一類參數就叫超參數 比如，支持向量機里的C，Kernel，gama，朴素貝葉斯里的alpha等，在學習其模型的設計中，我們要搜索超參數空間為學習器模型找到最合理的超參數 ...

1.SVM簡介 　　SVM方法建立在統計學VC維和結構風險最小化原則上，既可以用於分類（二/多分類）、也可用於回歸和異常值檢測。SVM具有良好的魯棒性，對未知數據擁有很強的泛化能力，特別是在數據量較 ...

引自https://blog.csdn.net/wishchin/article/details/47948779 回歸分析是建模和分析數據的重要工具。本文解釋了回歸分析的內涵及其優勢，重點總結了 ...

進行參數的選擇是一個重要的步驟。在機器學習當中需要我們手動輸入的參數叫做超參數，其余的參數需要依靠數據來進行訓練，不需要我們手動設定。進行超參數選擇的過程叫做調參。 進行調參應該有一下准備條件： 一個學習器 一個參數空間 一個從參數空間當中尋找參數的方法 一個交叉驗證的規則 ...

sklearn中的算法可以分為如下幾部分 分類算法 回歸算法 聚類算法 降維算法 模型優化 文本預處理 其中分類算法和回歸算法又叫做監督學習，聚類算法和降維算法又叫做非監督學習。 1.分類算法 KNN算法 from ...

1、優化方式 硬件優化=》系統優化=》mysql配置優化=》SCHEMA優化=》sql優化=》其他解決方案（redis or MongoDB or Cassandra or HBase） 2、mysql配置分析 1）常見瓶頸 90%系統瓶頸都在IO上，所以提高IOPS尤為總要，iowait ...

# XGBoost和LightGBM部分參數對比表： lightgbm.sklearn參數介紹（官網） ...

1、通用參數（控制Xgboost的宏觀功能） booster: [default=gbtree] gbtree: tree-based models，樹模型做為基分類器 gblinear: linear models，線性模型做為基分類器 silent ...