作者:王茂霖,華中科技大學,Datawhale成員
内容概括
XGBoost模型及調參總結
- XGBoost原理
- XGBoost優勢總結
- XGBoost參數詳解
- XGBoost快速使用
- XGBoost調參方法
PPT下載下傳:背景回複“210502”可擷取
XGBoost模型介紹
一、XGBoost原理
XGBoost是2016年由華盛頓大學陳天奇老師帶領開發的一個可擴充機器學習系統。嚴格意義上講XGBoost并不是一種模型,而是一個可供使用者輕松解決分類、回歸或排序問題的軟體包。它内部實作了梯度提升樹(GBDT)模型,并對模型中的算法進行了諸多優化,在取得高精度的同時又保持了極快的速度。
二、XGBoost優勢總結
XGBoost模型調參
一、XGBoost參數詳解
1.一般參數
2.學習目标參數
3.工具包參數
二、XGBoost快速使用
三、XGBoost調參方法(貝葉斯優化)
Hyperopt是一個sklearn的python庫,在搜尋空間上進行串行和并行優化,搜尋空間可以是實值,離散和條件次元。
1.初始化空間所需的值範圍
2.定義目标函數
3.運作hyperopt功能
本文作者
王茂霖,Datawhale重要貢獻成員,Datawhale&天池資料挖掘學習賽開源内容貢獻者,閱讀超10w。
參賽30餘次,獲得DCIC-數字中國創新創業大賽亞軍,全球城市計算AI挑戰賽,Alibaba Cloud German AI Challenge等多項Top10。