第17章gbdt和分类模型评估算法角度_第1页
第17章gbdt和分类模型评估算法角度_第2页
第17章gbdt和分类模型评估算法角度_第3页
第17章gbdt和分类模型评估算法角度_第4页
第17章gbdt和分类模型评估算法角度_第5页
已阅读5页,还剩50页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

第17GBDT主要内 3组合树算法的发展历目标函目标函数通常包含两项:损失函数和正则损失函数—回损失函数——分负log似然损正则0本,但,随 量值会化训练数据中可能会有复杂模型(预测)不稳所以需要控制模型复杂正则项:对复杂模型施加惩常用正则函L1正则和稀疏模常见线性模型的损失和正则项组非线性模优梯度下降(GradientDescent)算梯度下降算法L2损失函数梯Logistic损失梯Logistic损失函数梯度Logistic损失函数梯度Logistic损失函数梯度前向逐步递 提实基模AdaBoostas前向逐步递AdaBoostas前向逐步递增前向逐步递增—其他损失函Boostingas数梯度下GradientGradientGradientBoosting损失函数的二Scikit-learn中的Scikit-learn中的 34567 8.313456789 12 决策率\精确度\F排序ROC指标K-S统计提升 客户预测为正常客户,则代价惨重决策类模型评 每给定一个阈值,就可以出一矩打分反应(预测未反应(预测合结呈现信(真实未呈现信(真实)合TrueC(虚报FalseA+B(漏报FalseD(正确否定TrueB+A+C+A+B+C+正确率灵敏度(Sensitivity;覆盖率(Precision、特异度(Specificity;负例的覆盖率负(PV-)=6.F-Scikit-learn实现 矩 决策率\精确度\F排序ROC指提升 该类模型的需求是回答“会不会?”。比如预测一下客户违约的概率、响应的概率X:1-特异Y:灵敏X:X:深Y红:正例累积密Y蓝:负例累积密Y率:K-SX:Y:精确 ROC(ReceiverOperatingCharacterstic)曲线——接收者操作特征曲线。

PredictedPredicted1-13-13-0111101110100010000

01088113 1-灵敏灵敏1-特异 3-弱的模

强的模ROC曲线结果的取值在[0.5,1[0.95,0.1]社会科学建模中不大可能出现ROC图 违约分值高处敏该模型在违约风险高人群中的测能力较强,而在违约率低的部部分客户授予分期。

违约分值低处敏该模型在违约风险低人群中的测能力较强,而

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论