ग्रेडिएंट बूस्टिंग (GB)

Python में Tree-Based Models के साथ Machine Learning

Elie Kawerk

Data Scientist

ग्रेडिएंट बूस्टेड ट्रीज़

पिछले मॉडल की त्रुटियों को क्रमिक रूप से सुधारना.
प्रशिक्षण इंसटैंसेज़ के वेट्स नहीं बदले जाते.
हर प्रेडिक्टर को उसके पूर्ववर्ती के रेजिडुअल एरर्स को लेबल मानकर ट्रेन किया जाता है.
ग्रेडिएंट बूस्टेड ट्रीज़: CART को बेस लर्नर के रूप में use किया जाता है.

रिग्रेशन के लिए ग्रेडिएंट बूस्टेड ट्रीज़: ट्रेनिंग

GBT-train

श्रिंकज

GBT-lr

ग्रेडिएंट बूस्टेड ट्रीज़: प्रेडिक्शन

रिग्रेशन:
- $y_{pred} = y_1 + \eta r_1 + ... + \eta r_N$
- sklearn में: GradientBoostingRegressor.
क्लासिफिकेशन:
- sklearn में: GradientBoostingClassifier.

sklearn में ग्रेडिएंट बूस्टिंग (auto डेटासेट)

# Import models and utility functions
from sklearn.ensemble import GradientBoostingRegressor
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error as MSE

# Set seed for reproducibility
SEED = 1

# Split dataset into 70% train and 30% test
X_train, X_test, y_train, y_test = train_test_split(X,y, 
                                                    test_size=0.3, 
                                                    random_state=SEED)

# Instantiate a GradientBoostingRegressor 'gbt'
gbt = GradientBoostingRegressor(n_estimators=300, max_depth=1, random_state=SEED)


# Fit 'gbt' to the training set
gbt.fit(X_train, y_train)

# Predict the test set labels
y_pred = gbt.predict(X_test)

# Evaluate the test set RMSE
rmse_test = MSE(y_test, y_pred)**(1/2)

# Print the test set RMSE
print('Test set RMSE: {:.2f}'.format(rmse_test))

Test set RMSE: 4.01

अभ्यास करते हैं!

Python में Tree-Based Models के साथ Machine Learning