Ripasso sulla regressione

Extreme Gradient Boosting con XGBoost

Sergey Fogelson

Head of Data Science, TelevisaUnivision

Basi della regressione

  • L'outcome è reale

Extreme Gradient Boosting con XGBoost

Metriche comuni per la regressione

  • Root Mean Squared Error (RMSE)
  • Mean Absolute Error (MAE)
Extreme Gradient Boosting con XGBoost

Calcolo dell'RMSE

Reale Predetto
10 20
3 8
6 1
Extreme Gradient Boosting con XGBoost

Calcolo dell'RMSE

Reale Predetto Errore
10 20 -10
3 8 -5
6 1 5
Extreme Gradient Boosting con XGBoost

Calcolo dell'RMSE

Reale Predetto Errore Errore quadratico
10 20 -10 100
3 8 -5 25
6 1 5 25
  • Errore quadratico totale: 150
  • Errore quadratico medio: 50
  • Radice errore quadratico medio: 7,07
Extreme Gradient Boosting con XGBoost

Calcolo del MAE

Reale Predetto Errore
10 20 -10
3 8 -5
6 1 5
  • Errore assoluto totale: 20
  • Errore assoluto medio: 6,67
Extreme Gradient Boosting con XGBoost

Algoritmi comuni di regressione

  • Regressione lineare
  • Alberi decisionali
Extreme Gradient Boosting con XGBoost

Algoritmi per regressione e classificazione

1 https://www.ibm.com/support/knowledgecenter/en/SS3RA7_15.0.0/ com.ibm.spss.modeler.help/nodes_treebuilding.htm
Extreme Gradient Boosting con XGBoost

Esercitiamoci!

Extreme Gradient Boosting con XGBoost

Preparing Video For Download...