文件名称：CatBoostLSS:CatBoost扩展到概率预测
文件大小：5.85MB
文件格式：ZIP
更新时间：2024-04-10 13:24:21
machine-learning gamlss uncertainty-estimation catboost prediction-intervals
CatBoostLSS-CatBoost扩展到概率预测 我们提出了一个的新框架，该框架可预测单变量响应变量的整个条件分布。特别是， CatBoostLSS可以对参数分布的所有矩进行建模，即均值，位置，比例和形状（LSS），而不仅仅是条件均值。从广泛的连续分布，离散分布和混合离散连续分布中进行选择，对整个条件分布进行建模和预测可以大大增强CatBoost的灵活性，因为它可以使您对数据生成过程有更多的了解，并可以创建概率预测从中可以得出感兴趣的预测间隔和分位数。在下文中，我们简要介绍了CatBoostLSS的功能。 例子 模拟 我们从模拟的数据集开始，该数据集表现出异方差性，而其兴趣在于预测5％和95％的分位数。有关数据生成过程的详细信息，请参见。红色的点表示位于5％和95％分位数之外的点，由黑色虚线表示。 让我们将CatBoostLSS拟合到数据中。通常，语法类似于原始的CatBoost实现
【文件预览】：
CatBoostLSS-master
----plots()
--------MunichRent_pdp.png(583KB)
--------MunichRent_varimp_sigma.png(254KB)
--------CatBoostLSS_sim.png(1.37MB)
--------MunichRent_mu_shap.png(199KB)
--------MunichRent_Boxplot.png(575KB)
--------CatBoostLSS_sim_varimp.png(223KB)
--------MunichRent_quant_res.png(422KB)
--------CatBoostLSS_sim_pdp.png(242KB)
--------MunichRent_varimp_mu.png(248KB)
--------MunichRent_mu_shap_all.png(214KB)
--------CatBoostLSS_sim_data.png(1.12MB)
--------munich_rent_district.png(1.19MB)
--------MunichRent_expectiles.png(475KB)
--------MunichRent_densities.png(587KB)
--------Munich_rent_shap_test.png(240KB)
----LICENSE(1KB)
----test()
--------families.py(0B)
--------estimator.py(0B)
----README.md(13KB)
----catboostlss()
--------families.py(0B)
--------estimator.py(0B)
----python()
--------setup.py(0B)