一、XGBoost是使用梯度提升框架实现的高效、灵活、可移植的机器学习库,全称是eXtreme Gradient Boosting,是GBDT(GBM)的一个C++实现,它将树的生成并行完成,从而提高学习速度。
二、XGBoost与GDBT的区别
1.XGBoost生成CART树考虑了树的复杂度,GDBT未考虑,GDBT在树的剪枝步骤中考虑了树的复杂度。
2. XGBoost是拟合上一轮损失函数的二阶导展开,GDBT是拟合上一轮损失函数的一阶导展开,因此,XGBoost的准确性更高,且满足相同的训练效果,需要的迭代次数更少。
3. XGBoost与GDBT都是逐次迭代来提高模型性能,但是XGBoost在选取最佳切分点时可以开启多线程进行,大大提高了运行速度。
三、XGBoost的原理
https://baijiahao.baidu.com/s?id=1620689507114988717&wfr=spider&for=pc
四、python API
1.安装xgboost
安装:先在网址https://www.lfd.uci.edu/~gohlke/pythonlibs/#xgboost 中下载whl文件,注意一定要下载跟自己当前安装Python版本一致的whl文件
2.代码:
import pandas as pd
from xgboost import XGBClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
if __name__ == "__main__":
path = u'.\\dataset\learn\\iris.data' # 数据文件路径
data = pd.read_csv(path, header=None)
x = data[range(4)]
y = data[4]
y = pd.Categorical(y).codes
x_train, x_test, y_train, y_test = train_test_split(x, y, random_state=1, train_size=50)
model = XGBClassifier().fit(x_train, y_train)
y_predict = model.predict(x_test)
accuracyscore = accuracy_score(y_test, y_predict)
print(accuracyscore)
```
3.优化
API 接口中的参数:
https://blog.csdn.net/han_xiaoyang/article/details/52665396