方法 | 参数 |
KNN | K值:K个最近的邻居(“n_neighbour”: 23) 权重:权重和距离成反比(“weight”: distance) 距离度量方法:闵可夫斯基距离(“matric”: minkowski) 叶子节点数:12 (“leaf_size”: 12) |
SVM | 核函数:径向基核函数(“Kernel”: rbf) 核函数参数:1 (“Gamma”: 1) 惩罚因子:13 (“C”:13) |
RF | 建立子树的数量:47 (“n_estimators”: 47) 叶子节点最少样本数:3 (“min_samples_leaf”: 3) 划分时考虑的最大特征数量:3 (“max_features”: 3) 决策树的最大深度:11 (“max_depth”: 11) |
ADA | 弱学习器的最大迭代次数:17 (“n_estimators”: 17) |
GBDT | 最大的弱学习器的个数:86 (“n_estimators”: 86) 叶子节点最少样本数:21 (“min_samples_leaf”: 21) 划分是考虑的最大特征数量:2 (“max_features”: 2) 决策树的最大深度:7 (“max_depth”: 7) |