前言
这是机器学习系列的第三篇文章，对于住房租金预测比赛的总结这将是最后一篇文章了，
比赛持续一个月自己的总结竟然也用了一个月，
牵强一点来说机器学习也将会是一个漫长
的道路，
后续机器学习的文章大多数以知识科普为主，
毕竟自己在机器学习这个领域是个
渣渣，自己学到的新知识点会分享给大家的。
前面的文章谈了谈这次比赛非技术方面的收获，对数据集的初步了解和特征工程的处理，
今天主要介绍这次使用的模型
--XGBOOST
。
XGBOOST
模型介绍
关于
xgboost
的原理网络上的资源很少，大多数还停留在应用层面，自己也是仅仅学习了
一点应用，关于原理可以参考陈天奇博士的这篇文章
https://xgboost.readthedocs.io/en/latest/tutorials/modell
。
简单介绍：
XGBOOST
是一个监督模型，
xgboost
对应的模型本质是一堆
CART
树。
用一堆树做预测，
就是将每棵树的预测值加到一起作为最终的预测值。
下图就是
CART
树和一堆
CART
树的
示例，用来判断一个人是否会喜欢计算机游戏：
第二张图明了如何用一堆
CART
树做预测，就是简单将各个树的预测分数相加。
参数介绍：
官方参数介绍看这里：
https://xgboost.readthedocs.io/en/latest/parameterl#general-parameters
比较重要的参数介绍：
“
reg:linear
”
–线性回归。
“
reg:logistic
”
–逻辑回归。
“
binary:logistic
”
–二分类的
逻辑回归问题，输出为概率。
“
binary:logitraw
”
–二分类的逻辑回归问题，输出的结果
345
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
