# datawhale-advanced-algorithm-season-8

**Repository Path**: xixicii/datawhale-advanced-algorithm-season-8

## Basic Information

- **Project Name**: datawhale-advanced-algorithm-season-8
- **Description**: No description available
- **Primary Language**: Shell
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2019-08-09
- **Last Updated**: 2020-12-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Advanced-algorithm-combing

**课程设计**：黑桃，刘广月，于鸿飞

**组队学习说明**：通过查阅相关文献，对机器学习算法进行梳理

**任务路线**：RF--->GBDT--->XGB--->LightGBM

**组队学习周期**：10天

**定位人群：有概率论、矩阵运算、求导、泰勒展开等基础数学知识；**

**难度系数**：中

**每个任务完成大概所需时间：2-3h**

## 任务预览（2天）
1. 集成学习概念
2. 个体学习器概念
3. boosting  bagging
4. 结合策略(平均法，投票法，学习法)
5. 随机森林思想
6. 随机森林的推广
7. 优缺点
8. sklearn参数
9. 应用场景

[任务分配](学习任务)



## 【Task1 随机森林算法梳理】2天

【参考框架】欢迎有自己的框架

1. 集成学习概念
2. 个体学习器概念
3. boosting  bagging
4. 结合策略(平均法，投票法，学习法)
5. 随机森林思想
6. 随机森林的推广
7. 优缺点
8. sklearn参数
   9.应用场景

**参考**：

西瓜书

cs229吴恩达机器学习课程

李航统计学习

谷歌搜索

公式推导参考：http://t.cn/EJ4F9Q0

[参考答案](./../参考答案)

## 【Task2 GBDT算法梳理】2天

1. 前向分布算法
2. 负梯度拟合
3. 损失函数
4. 回归
5. 二分类，多分类
6. 正则化
7. 优缺点
8. sklearn参数
9. 应用场景

**参考**：

西瓜书
          
cs229吴恩达机器学习课程
           
李航统计学习
           
谷歌搜索

公式推导参考：http://t.cn/EJ4F9Q0

[参考答案](./../参考答案)



## 【Task3 XGB算法梳理】3天

1. 算法原理
2. 损失函数
3. 分裂结点算法
4. 正则化
5. 对缺失值处理
6. 优缺点
7. 应用场景
8. sklearn参数

**参考**：

西瓜书
          
cs229吴恩达机器学习课程
           
李航统计学习
           
谷歌搜索

公式推导参考：http://t.cn/EJ4F9Q0

[参考答案](./../参考答案)

## 【Task4 LightGBM算法梳理】(3days)

【参考框架】欢迎有自己的框架

1. LightGBM
2. LightGBM的起源
3. Histogram VS pre-sorted
4. leaf-wise VS level-wise
5. 特征并行和数据并行
6. 顺序访问梯度
7. 支持类别特征
8. 应用场景
9. sklearn参数
10. CatBoost(了解)

**参考**：

西瓜书
          
cs229吴恩达机器学习课程
           
李航统计学习
           
谷歌搜索

公式推导参考：http://t.cn/EJ4F9Q0

[参考答案](./../参考答案)