XGBoost 可调参数

使用 XGBoost 的极端梯度提升

Sergey Fogelson

Head of Data Science, TelevisaUnivision

常见树模型可调参数

  • learning rate： 学习率/eta
  • gamma： 新分裂所需的最小损失减少
  • lambda： 叶子权重的 L2 正则
  • alpha： 叶子权重的 L1 正则
  • max_depth： 每棵树的最大深度
  • subsample： 每棵树使用的样本比例
  • colsample_bytree： 每棵树使用的特征比例
使用 XGBoost 的极端梯度提升

线性模型可调参数

  • lambda： 权重的 L2 正则
  • alpha： 权重的 L1 正则

  • lambda_bias： 偏置项的 L2 正则

  • 两种基模型都可调节估计器数量！

使用 XGBoost 的极端梯度提升

开始调参吧！

使用 XGBoost 的极端梯度提升

Preparing Video For Download...