终于把XGBoost总结写出来了!
Datawhale
共 819字,需浏览 2分钟
·
2021-05-05 11:49
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
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。
XGBoost模型调参
2.学习目标参数
3.工具包参数
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。
评论