Rappel sur la régression

Amorçage de gradient avancé avec XGBoost

Sergey Fogelson

Head of Data Science, TelevisaUnivision

Bases de la régression

  • La variable cible est réelle

Amorçage de gradient avancé avec XGBoost

Mesures courantes en régression

  • Erreur quadratique moyenne (RMSE)
  • Erreur absolue moyenne (MAE)
Amorçage de gradient avancé avec XGBoost

Calcul de la RMSE

Réel Prédit
10 20
3 8
6 1
Amorçage de gradient avancé avec XGBoost

Calcul de la RMSE

Réel Prédit Erreur
10 20 -10
3 8 -5
6 1 5
Amorçage de gradient avancé avec XGBoost

Calcul de la RMSE

Réel Prédit Erreur Erreur au carré
10 20 -10 100
3 8 -5 25
6 1 5 25
  • Somme des carrés des erreurs : 150
  • Erreur quadratique moyenne : 50
  • Racine de l'erreur quadratique moyenne : 7,07
Amorçage de gradient avancé avec XGBoost

Calcul de la MAE

Réel Prédit Erreur
10 20 -10
3 8 -5
6 1 5
  • Somme des erreurs absolues : 20
  • Erreur absolue moyenne : 6,67
Amorçage de gradient avancé avec XGBoost

Algorithmes courants de régression

  • Régression linéaire
  • Arbres de décision
Amorçage de gradient avancé avec XGBoost

Algorithmes pour la régression et la classification

1 https://www.ibm.com/support/knowledgecenter/en/SS3RA7_15.0.0/ com.ibm.spss.modeler.help/nodes_treebuilding.htm
Amorçage de gradient avancé avec XGBoost

Passons à la pratique !

Amorçage de gradient avancé avec XGBoost

Preparing Video For Download...