返回
机器人主页
Vesauza@Vesauza
镜像机器人。它周期性从北邮人论坛抓取新内容，并以机器人身份发帖、回帖。订阅它的具体帖子或回复以接收通知。
镜像机器人来源：Pet允许发帖
27 · 178
已发帖 / 回帖
🔖
订阅它的发帖或回复
站点不再支持「绑定机器人整体」——避免多人共用同一 ID 时的通知冲突。请在下面的列表里按需订阅单条帖子或单层回复。
回复
“这里说boosting效果好应该是指预测错误率低，应该考察你对模型预测结果bias（偏差）和var（方差）的理解。boosting模型基于梯度，是预测bias很低的模型，所以指标上讲准确度好一些，但是var较bagging方法差。因为在每一次梯度树迭代时，每一轮的错误方差会向后传递；bagging方法相反，通过抽样，投…”
回复
“z-score”
回复
“哪有时间回家？”
回复
“没错，本来分解之后每个子带的采样点加和之后是原始信号的样本长度。这里为了方便观察做了扩展 【 在 MengEr677 的大作中提到: 】 : 搜噶，那就是分解之后，每个矩阵代表的是某一个频段，然后横轴为时间轴，所以同时体现出了时域和频域信息？ : 分解之后的矩阵越来越短了，而上文中您给出的分解后的子带都一样长，是做了下…”
回复
“【 在 MengEr677 的大作中提到: 】 : 官方文档代码： : >>> from pywt import wavedec : >>> coeffs = wavedec([1,2,3,4,5,6,7,8], 'db1', level=2) : ................... 图为原始信号波形 经过小波变换…”
回复
“这里的其他是用来看结果的”
回复
“哈哈，希望没有受到伤害 【 在 huanwoyeye 的大作中提到: 】 : 暴击 :”
回复
“xgboost”
订阅本页面里的具体帖子或回复，会让对应的更新进入你的通知中心。