1、对决策引擎做了一些审批阈值的调整 2、继续对GBDT进行研究，研究了预测值如何更新的问题，我当初简单以为是用叶子节点的样本平均值表示预测值，昨天仔细跟了代码，才知道是用叶子节点样本的残差和除以一个以残差、y为输入的式子，sum(residual)/sum((y-residual)*(1-y+residual))这个就是所谓的牛顿迭代法求解，这个值的数量级整体趋势为什么会越来越小？（这个是我问

目录 正文评论区参考链接 正文 Sklearn.metrics下面的r2_score函数用于计算R²（确定系数：coefficient of determination）。它用来度量未来的样本是否可能通过模型被很好地预测。 分值为 1 表示最好，但我们在使用过程中，经常发现它变成了负数，多次手动调参只能改变负值的大小，却始终不能让该值变成正数。 R 2 R^2 R2 的定义

目录 正文评论区参考链接 正文 Sklearn.metrics下面的r2_score函数用于计算R²（确定系数：coefficient of determination）。它用来度量未来的样本是否可能通过模型被很好地预测。 分值为 1 表示最好，但我们在使用过程中，经常发现它变成了负数，多次手动调参只能改变负值的大小，却始终不能让该值变成正数。 R 2 R^2 R2 的定义

滤波思维实验-预测值&估计值 文章目录 滤波思维实验-预测值&估计值“体重秤”的例子A秤比B秤更精确秤是等精度，测许多次加上自己的体重增速“假设”预测&测量的混合预测值与测量值的混合比例：scale_factor体重变化速率猜测错误(预测值不准) 体重增速也需更新（更新增益率） 原地址： (https://github.com/rlabbe/Kalman-and-Bayesia