λΆμμ νκ·κ° μλ νμ΄μ¬μλ ν¨ν€μ§κ° λ§μ§ μμ κ² κ°μ΅λλ€...
quantileμ΄μλ νμ΄μ¬μλ ν¨ν€μ§κ°λ³λ‘μλ κ² κ°μ΅λλ€.
νκ·...
μ scikit-learnμ λ€μ΄κ°μΌ νλμ?
κ°λ₯νλ€λ©΄ κ·Έ μ΄μ λ 무μμ λκΉ?
μ΄λ―Έ μ μ§ κ΄λ¦¬ν΄μΌ ν μ½λκ° λ§κ³ μΈκΈ° μλ ML μκ³ λ¦¬μ¦λ§ ν¬ν¨νκΈ° λλ¬Έμ λλ€. μ΄κ±° μ λͺ ν΄? λ€λ₯Έ μ κ·Ό λ°©μμ λΉν΄ λ¨Έμ λ¬λ μμ μ λν λΆλͺ ν μ΄μ μ΄ μμ΅λκΉ?
(Btw. VWλ μμ€ β(p,y) = Ο(p - y)[[y β€ p]] + (1 - Ο)(y - p)[[y β₯ p]]λ₯Ό κ°λ λΆμμ νκ· λ₯Ό κ°μ§κ³ μμ΅λλ€. μ¬κΈ°μ [ [β ]]λ Iverson λκ΄νΈμ λλ€.)
GradientBoostingRegressor
λ λΆμμ νκ·λ₯Ό μ§μν©λλ€( loss=quantile
λ° alpha
맀κ°λ³μ μ¬μ©). μμ λ http://scikit-learn.org/dev/auto_examples/ensemble/plot_gradient_boosting_quantile.html#example -ensemble-plot-gradient-boosting-quantile-pyλ₯Ό μ°Έμ‘°νμμμ€.
λλ κ·Έκ²μ νμΈνμ΄μΌ νλ€. μ΄ λ¬Έμ λ₯Ό λ«μ΅λλ€.
Pythonμ Quantile Regressionμ© ν¨ν€μ§κ° λ§μ§ μλ€λ λ° λμνμ§λ μμ§λ§ sci-kitμμ μμν Quantile Regression(Ensemble λ©μλ λ΄λΆκ° μλ)μ νμ΅νλ λ° μ΄κ²μ΄ μ€μνλ€κ³ μκ°ν©λλ€.
λΆμμ νκ·λ yμ νΉμ λΆμμλ₯Ό λμμΌλ‘ νλ μ΄μ μ΄ μμ΅λλ€. μ΄λ₯Ό ν΅ν΄ y_predμ yμ μ€μκ°μ μ°¨μ΄λ₯Ό μ€μΌ μ μμ΅λλ€. μ΄ κ²½μ° μ λ μ€μ°¨λ₯Ό μ΅μννλ κ²κ³Ό μ μ¬νμ§λ§ ν¨μ¬ λ μΌλ°μ μ΄κ³ λ€λ₯Έ λΆμμμ μ μ©λ©λλ€.
μνμ μ μ© μ μ λ° κΈ°ν λͺ¨λΈμ λ€λ£° λ μ΄κ²μ λ§μ΄ μ¬μ©νλ―λ‘ μ€μ μμ© νλ‘κ·Έλ¨κ³Ό μ ν¬ ν μ€νΈλ₯Ό κ±°μΉ λͺ¨λΈμ λλ€. Rκ³Ό SASλ μ΄ λͺ¨λΈμ ꡬννμ΅λλ€.
@prcastro μ ν λͺ¨λΈμ μλ―Έν©λκΉ?
μ νν. μ€λλ sklearnμ μμλΈ λ°©λ²μμ λΆμμ νκ·λ₯Ό ꡬνν©λλ€. κ·Έλ¬λ μΌλ°μ μΌλ‘ μΌλ° μ ν λͺ¨λΈλ‘ μ¬μ©λ©λλ€.
λλ κ·Έκ²μ μΆκ°νλ λ° μ΄λ € μμ΅λλ€. @jnothman @GaelVaroquaux?
μ°ΈμΌλ‘ 곡νν κ² κ°λ€.
λλ κ·Έκ²μ μΆκ°νλ λ° μ΄λ € μμ΅λλ€. @jnothman @GaelVaroquaux?
λ°λκ° μμ΅λλ€. μ°λ¦¬λ λ¨μ§ μ’μ PRκ³Ό κ·Έκ²μ κ²ν ν μκ°μ΄ νμν©λλ€.
λ³΄λ€ μΌλ°μ μΈ λΆμμμ λ¬λ¦¬ μ€μκ°(μ λ μμ€)μ λν λΆμμ νκ·μ νΉμ κ²½μ°μ κ΄λ ¨νμ¬ http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.HuberRegressor.html μ΄ νμ©νλ κ²μΌλ‘ 보μ
λλ€. μ°λ¦¬κ° μ‘μ€λ‘ =0.0μ μ λ¬ν μλ§ μλ€λ©΄ λ§μ΄λ€. HuberRegressorμ epsilon : float, greater than 1.0
κ° νμν μ΄μ λ 무μμ
λκΉ? ( The Huber Regressor optimizes the squared loss for the samples where |(y - X'w) / sigma| < epsilon and the absolute loss for the samples where |(y - X'w) / sigma| > epsilon.
)
μ‘μ€λ‘ =0μΈ νλ² μμ€μ 맀λλ½μ§ μμ μ΅μ ν λ¬Έμ μ
λλ€.
λμΌν ν΄λμ€μ μλ²λ₯Ό μ¬μ©ν μ μμ΅λλ€.
μμ pull μμ²μ κ³ μ μ μΈ λΆμμ μ ν νκ·λ₯Ό μΆκ°νμ΅λλ€. κ²ν ν΄ μ£ΌμΈμ!
μ¬λ¬λΆ, μλ νμΈμ! μκ°μ΄ λμλ©΄ μ PRμ κ²ν ν΄ μ£Όμμμ€.
ν
λΆμμ νκ·κ° μλ νμ΄μ¬μλ ν¨ν€μ§κ° λ§μ§ μμ κ² κ°μ΅λλ€...
κ·Έλ€μ 2020λ μ λ£μ§ μμ κ²μ΄λ©° μ¬μ ν μ μ ν 4λΆμ νκ· ν¨ν€μ§κ° μμ΅λλ€.
κ°μ₯ μ μ©ν λκΈ
μ¬λ¬λΆ, μλ νμΈμ! μκ°μ΄ λμλ©΄ μ PRμ κ²ν ν΄ μ£Όμμμ€.