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

↑↑↑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

  1. XGBoost原理

  2. XGBoost优势总结

  3. XGBoost参数详解

  4. XGBoost快速使用

  5. 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。


整理不易,三连
浏览 20
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报