学习笔记(10):第三章:集成机器学习-XGBoost的Scikit-Learn接口

立即学习:https://edu.csdn.net/course/play/10582/236123?utm_source=blogtoedu

XGBoost 

分类 XGBClassifier

回归 XGBRegressor

排序 XGBRanker

 

learning task parameters 与学习任务有关,如分类回归合排序

objective eval metric seed basescore

 

General parameters 一般参数

基学习器类型、基学习器可选回归树或线性模型

booster silent静默 nthread disable_default eval metric

booster取值gbtree gblinear dart

 

objective 损失函数

 

eval——metric评价指标

 

gblinear L2正则权重 L1正则权重  

gbtree

 

tree Booster 的参数

 

learn_rate 学习率或收缩因子,学习率和迭代次数/弱分器数目

n estimator 弱分类器数目

tree method树的建立算法

grow policy结点增长策略

max depth树的最大深度

max leaves最大叶子数目

max bin直方图最大bin数

sketch eps

min child weight 叶子样本最小权重和

gamma 损失函数下降值的最小值

subsample 采样率

colsample bytree 每棵树所用的特征比例

byleve每隔层分裂所用的特征比例

reg alpha l1正则惩罚系数 lambda l2正则惩罚系数

 

 

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值