Xgboost参数总结

参考链接

Xgboost官网参数介绍

1.简介

XGBoost一般包含三种类型的参数: 常规参数, 提升器参数和任务参数.

• 常规参数与我们用于提升的提升器有关，通常是树模型或线性模型
• 提升器参数取决于你所选择的提升器
• 学习任务的参数决定了学习场景, 例如回归任务可以使用不同的参数进行排序相关的任务
• 命令行参数的行为与 xgboost 的 CLI 版本相关

2. 常规参数

• booster [default=gbtree]

决定使用哪个booster,取值可以是gbtree、gblinear或dart。其中，gbtree和dart是基于树模型，gblinear是基于线性函数

• silent [default=0]

是否打印运行信息。0表示打印，1表示不打印

• nthread [default to maximum number of threads available if not set]

设置用于运行xgboost的并行线程数，默认为系统的最大线程数

• num_pbuffer[xgboost自动设置，不需要用户设置]

预测结果所需的缓存大小，一般设置为训练样本数。缓存用来保存最后一轮提升的预测结果

• num_feature[xgboost自动设置，不需要用户设置]

模型提升时使用的特征维度，一般设置为最大特征维度

3. 提升器参数

3.1 用于 Tree 提升的参数

• eta [default=0.3]

迭代过程中为了避免过拟合而使用的步长。每次迭代后，我们都会获得各个特征的权重，而eta可以缩小这一权重而使得提升过程更鲁棒

取值范围: [0,1]

• gamma [default=0]

节点分裂所需的最小损失下降值。该值越大，算法将会越保守

取值范围: [0,∞]

• max_depth [default=6]

树的最大深度。该值越大，单棵树模型越复杂，越容易过拟合

取值范围: [1,∞]

• min_child_weight [default=1]

叶节点样本的最小权重和。如果树的叶节点分裂使得叶节点的