記事へのコメント1

    • 人気コメント
    • 新着コメント
    misshiki misshiki “勾配ブースティング決定木について経験則として知られている以下を実験で確かめた。 学習率 (Learning Rate) を下げることで精度が高まる 一方で、学習にはより多くのイテレーション数 (≒時間) を必要とする”

    2023/01/26 リンク

    その他

    人気コメント算出アルゴリズムの一部にヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています

    関連記事

    Python: LightGBM の学習率と精度および最適なイテレーション数の関係について - CUBE SUGAR CONTAINER

    勾配ブースティング決定木 (Gradient Boosting Decision Tree; GBDT) では、以下が経験則として知られて...

    ブックマークしたユーザー

    • caramen2023/01/30 caramen
    • PlugOut2023/01/26 PlugOut
    • takasago082023/01/26 takasago08
    • misshiki2023/01/26 misshiki
    • ZAORIKU2023/01/25 ZAORIKU
    • imyutaro2023/01/25 imyutaro
    すべてのユーザーの
    詳細を表示します

    同じサイトの新着

    同じサイトの新着をもっと読む

    いま人気の記事

    いま人気の記事をもっと読む

    いま人気の記事 - テクノロジー

    いま人気の記事 - テクノロジーをもっと読む

    新着記事 - テクノロジー

    新着記事 - テクノロジーをもっと読む

    同時期にブックマークされた記事