XGBoost简介：用监督学习预测预期寿命

今天我们将使用XGBoost Boosted Trees来回归官方人类发展指数数据集。 谁说监督学习是关于分类的？

XGBoost: What is it?

XGBoost是一个Python框架，它允许我们训练使用多核并行性的Boosted Trees。 它也可以在R中获得，但我们不会在这里介绍它。

The task: Regression

Boosted Trees是回归的机器学习模型。 也就是说，给定一组输入和数字标签，它们将估计在给定相应输入的情况下输出标签的功能。

与分类不同，我们对标签的连续值感兴趣，而不是一组离散的类。

例如，我们可能想要根据体重和年龄预测一个人的身高，而不是将其标记为男性，女性或其他人。

对于每个决策树，我们将从根开始，并根据决策的结果移动到左或右子。 最后，我们将返回我们到达的叶子上的值。

XGBoost’s model: What are Gradient Boosted Trees?

提升的树木与随机森林相似：它们是决策树