XGBoost'ta ayarlanabilir parametreler

XGBoost ile Aşırı Gradyan Artırma

Sergey Fogelson

Head of Data Science, TelevisaUnivision

Ortak ağaç ayarlanabilir parametreleri

  • learning rate: öğrenme oranı/eta
  • gamma: yeni ağaç bölmesi için min kayıp azalımı
  • lambda: yaprak ağırlıklarında L2 düzenleme
  • alpha: yaprak ağırlıklarında L1 düzenleme
  • max_depth: ağaç başına azami derinlik
  • subsample: ağaç başına kullanılan örneklerin %
  • colsample_bytree: ağaç başına kullanılan özelliklerin %
XGBoost ile Aşırı Gradyan Artırma

Doğrusal ayarlanabilir parametreler

  • lambda: ağırlıklarda L2 düzenleme
  • alpha: ağırlıklarda L1 düzenleme

  • lambda_bias: bias üzerinde L2 düzenleme terimi

  • Her iki temel model türü için de estimator sayısını ayarlayabilirsin!

XGBoost ile Aşırı Gradyan Artırma

Haydi biraz ayarlama yapalım!

XGBoost ile Aşırı Gradyan Artırma

Preparing Video For Download...