Press "Enter" to skip to content

终于把XGBoost总结写出来了!

本站内容均来自兴趣收集,如不慎侵害的您的相关权益,请留言告知,我们将尽快删除.谢谢.

↑↑↑关注后” 星标 “Datawhale

 

每日干货 &  每月组队学习 ,不错过

 

Datawhale干货

 

作者:王茂霖,华中科技大学,Datawhale成员

 

内容概括

 

XGBoost模型及调参总结

 

 

XGBoost 原理

 

XGBoost优势总结

 

XGBoost参数详解

 

XGBoost快速使用

 

XGBoost 调参方法

 

 

PPT下载: 后台回复“ 210502 ”可获取

 

XGBoost模型介绍

 

 

一、 XGBoost原理

 

XGBoost是2016年由华盛顿大学陈天奇老师带领开发的一个可扩展机器学习系统。严格意义上讲XGBoost并不是一种模型,而是一个可供用户轻松解决分类、回归或排序问题的软件包。它内部实现了梯度提升树(GBDT)模型,并对模型中的算法进行了诸多优化,在取得高精度的同时又保持了极快的速度 。

 

二、 XGBoost优势总结

 

 

XGBoost模型调参

 

一、 XGBoost参数详解

 

1.一般参数

 

 

 

 

2.学习目标参数

 

 

3.工具包参数

 

 

二、 XGBoost快速使用

 

 

 

三、 XGBoost调参方法( 贝叶斯优化 )

 

Hyperopt是一个sklearn的python库,在搜索空间上进行串行和并行优化,搜索空间可以是实值,离散和条件维度。

 

1.初始化空间所需的值范围

 

 

2.定义目标函数

 

 

3.运行hyperopt功能

 

 

本文作者

 

王茂霖,Datawhale重要贡献成员,Datawhale&天池数据挖掘学习赛开源内容贡献者,阅读超10w。

 

参赛30余次,获得DCIC-数字中国创新创业大赛亚军,全球城市计算AI挑战赛,Alibaba Cloud German AI Challenge等多项Top10。

 

Be First to Comment

发表评论

您的电子邮箱地址不会被公开。 必填项已用*标注