回归复习

使用 XGBoost 的极端梯度提升

Sergey Fogelson

Head of Data Science, TelevisaUnivision

回归基础

  • 输出为实数

使用 XGBoost 的极端梯度提升

常见回归指标

  • 均方根误差（RMSE）
  • 平均绝对误差（MAE）
使用 XGBoost 的极端梯度提升

计算 RMSE

实际值 预测值
10 20
3 8
6 1
使用 XGBoost 的极端梯度提升

计算 RMSE

实际值 预测值 误差
10 20 -10
3 8 -5
6 1 5
使用 XGBoost 的极端梯度提升

计算 RMSE

实际值 预测值 误差 平方误差
10 20 -10 100
3 8 -5 25
6 1 5 25
  • 平方误差总和：150
  • 均方误差（MSE）：50
  • 均方根误差（RMSE）：7.07
使用 XGBoost 的极端梯度提升

计算 MAE

实际值 预测值 误差
10 20 -10
3 8 -5
6 1 5
  • 绝对误差总和：20
  • 平均绝对误差（MAE）：6.67
使用 XGBoost 的极端梯度提升

常见回归算法

  • 线性回归
  • 决策树
使用 XGBoost 的极端梯度提升

可用于回归与分类的算法

1 https://www.ibm.com/support/knowledgecenter/en/SS3RA7_15.0.0/ com.ibm.spss.modeler.help/nodes_treebuilding.htm
使用 XGBoost 的极端梯度提升

Passons à la pratique !

使用 XGBoost 的极端梯度提升

Preparing Video For Download...