数据挖掘 周报四

理论学习：

研究了比赛各种常用的模型：

XGB：梯度提升决策树模型

优点：

可以找到精确的划分条件

缺点：

计算量巨大内存占用巨大易产生过拟合 LGB：采用损失函数的负梯度作为当前决策树的残差近似值，去拟合新的决策树。

优势：

更快的训练效率低内存使用更高的准确率支持并行化学习可处理大规模数据支持直接使用category特征 ANN：神经网络模型，拥有强大的容错性

实践

无。

下一步工作

对模型进行测试。