Recapitulare: regresie

Gradient Boosting Extrem cu XGBoost

Sergey Fogelson

Head of Data Science, TelevisaUnivision

Noțiuni de bază: regresie

  • Variabila țintă este continuă

Gradient Boosting Extrem cu XGBoost

Metrici comune de regresie

  • Eroarea pătratică medie (RMSE)
  • Eroarea absolută medie (MAE)
Gradient Boosting Extrem cu XGBoost

Calculul RMSE

Real Prezis
10 20
3 8
6 1
Gradient Boosting Extrem cu XGBoost

Calculul RMSE

Real Prezis Eroare
10 20 -10
3 8 -5
6 1 5
Gradient Boosting Extrem cu XGBoost

Calculul RMSE

Real Prezis Eroare Eroare pătratică
10 20 -10 100
3 8 -5 25
6 1 5 25
  • Eroare pătratică totală: 150
  • Eroare pătratică medie: 50
  • Eroarea pătratică medie (radical): 7.07
Gradient Boosting Extrem cu XGBoost

Calculul MAE

Real Prezis Eroare
10 20 -10
3 8 -5
6 1 5
  • Eroare absolută totală: 20
  • Eroare absolută medie: 6.67
Gradient Boosting Extrem cu XGBoost

Algoritmi comuni de regresie

  • Regresie liniară
  • Arbori de decizie
Gradient Boosting Extrem cu XGBoost

Algoritmi pentru regresie și clasificare

1 https://www.ibm.com/support/knowledgecenter/en/SS3RA7_15.0.0/ com.ibm.spss.modeler.help/nodes_treebuilding.htm
Gradient Boosting Extrem cu XGBoost

Să exersăm!

Gradient Boosting Extrem cu XGBoost

Preparing Video For Download...