转载请注明作者和出处:http://blog.csdn.net/u013829973
我的GitHub:https://github.com/weepon
欢迎评论,顶!
在上一篇文章 xgboost如何在window上安装之后,接下来要学习如何使用它。
关于xgboost的相关资料汇总:
Xgboost Slides
原始论文XGBoost: A Scalable Tree Boosting System
官方网站
官方GitHub
Complete Guide to Parameter Tuning in XGBoost (with codes in Python)
XGBoost Plotting API以及GBDT组合特征实践
为什么要选择xgboost?
1. XGBoost的优势
1.1 正则化
- 标准GBM的实现没有像XGBoost这样的正则化步骤。正则化可以减少过拟合。
- 实际上,XGBoost以“正则化提升(regularized boosting)”技术而闻名。
1.2 并行处理
- XGBoost可以实现并行处理,相比GBM有了速度的飞跃。
- 不过,众所周知,Boosting算法是顺序处理的,它怎么可能并行呢