XGBoostの調整可能パラメータ

XGBoost で学ぶ極限の勾配ブースティング

Sergey Fogelson

Head of Data Science, TelevisaUnivision

ツリーの主な調整可能パラメータ

  • 学習率: 学習率/eta
  • gamma: 新しいツリー分割を作成するための最小損失削減量
  • lambda: 葉の重みに対するL2正則化
  • alpha: 葉の重みに対するL1正則化
  • max_depth: ツリーごとの最大深さ
  • subsample: ツリーごとに使用するサンプルの割合
  • colsample_bytree: ツリーごとに使用する特徴量の割合
XGBoost で学ぶ極限の勾配ブースティング

線形モデルの調整可能パラメータ

  • lambda: 重みに対するL2正則化
  • alpha: 重みに対するL1正則化

  • lambda_bias: バイアスに対するL2正則化

  • 両方のベースモデルタイプで推定器の数も調整可能です！

XGBoost で学ぶ極限の勾配ブースティング

チューニングを始めましょう！

XGBoost で学ぶ極限の勾配ブースティング

Preparing Video For Download...