每周一书|《Hands-On Gradient Boosting with XGBoost and scikit-learn》
《每周一书》专栏·第4篇
文 | Pyer
831字 | 3分钟阅读
【数据科学与人工智能】开通了Python群，大家可以相互学习和交流。请扫描下方二维码，备注：Python，添加我为好友，诚邀你入群，一起进步。
最近，我在做工作复盘的时候，想到了一个问题。
xgboost怎么理解和应用？xgboost和gbdt,lightGBM有什么异同？
朋友们，关于这个问题，大家有什么想法和认识，请留言，或者加入Python群，参与讨论和交流。我为了全面地理解算法xgboost，找了许多资料，包括算法的论文、算法的相关内容、算法的设计与实现以及应用等。xgboost是boost算法家族的一个成员，全程是【极限梯度提升算法】，适合处理表格化数据，具有高效率，高准确度，在许多场景里发挥出积极作用。
本周，我要分享的书籍是与xgboost紧密相关的。
每周一书：《Hands-On Gradient Boosting with XGBoost and scikit-learn》
这本书包括两个部分，第一部分，介绍集成学习的两种主流思想，Bagging和Boosting,包括机器学习基础、决策树深入理解、Bagging与随机森林算法和梯度提升到xgboost；第二部分，详细介绍xgboost，包括xgboost的原理、超参数、优化以及应用。同时，本书对于相关内容，也提供了可以进一步拓展和延伸的资料链接，以帮助你更全面地学习，也满足那深刻学习的好奇心。这本书，具有很强的实用性，基于Python语言和相关Python库，通过编写程式，指导我们从实践角度来理解和应用这些重要的算法，感受和体会这些算法的魅力和价值。
通过对xgboost算法深刻理解和认识，我们可以发掘，机器学习算法里面的一个重要家族，即树模型家族。简单说，就是以决策树为基础，融合各种学习思想，所产生的一系列算法。决策树算法及其变体，对于从数据中学习，具有易理解，好解释，方便部署和实施等优势，同时，算法的各方面性能指标，也在不断优化和改进中。所以，你若是想学习和利用机器学习，建议你研究和应用树模型这个家族，它可以帮助你完成很多任务和创造多方价值。
若是喜欢阅读电子版书籍，请扫描下方二维码，进入公众号，回复关键词：20210314，获取资源领取方式。
每周一书
公众号推荐