论XGBOOST科学调参

最新推荐文章于 2024-03-12 01:45:49 发布

mdattack

最新推荐文章于 2024-03-12 01:45:49 发布

阅读量601

点赞数

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/mdattack/article/details/55671250

版权

本文探讨了XGBOOST的调参方法，包括bias-variance trade-off原理，介绍了如何通过调整max_depth、min_child_weight、gamma、subsample、colsample_bytree、lambda和alpha等参数来优化模型。在非平衡数据集情况下，提出了数据增强、设置weight和使用特定评估指标等策略。通过实践，最佳模型的方差和AUC得到了改善。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

XGBOOST的威力不用赘述，反正我是离不开它了。

具体XGBOOST的原理可以参见之前的文章《比XGBOOST更快--LightGBM介绍》

今天说下如何调参。

bias-variance trade-off

xgboost一共有几十个参数：

http://xgboost.readthedocs.io/en/latest/parameter.html

中文版解释：

http://blog.csdn.net/zc02051126/article/details/46711047

文艺青年的调参一般这样的：

1. 设定参数{parm}，评判指标{metrics}；

最低0.47元/天解锁文章

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。