พารามิเตอร์ที่ปรับได้ใน XGBoost

Extreme Gradient Boosting with XGBoost

Sergey Fogelson

Head of Data Science, TelevisaUnivision

พารามิเตอร์ที่ปรับได้ทั่วไปสำหรับ tree

  • learning rate: learning rate/eta
  • gamma: ค่าลด loss ขั้นต่ำสำหรับการแบ่ง node
  • lambda: L2 reg บน leaf weights
  • alpha: L1 reg บน leaf weights
  • max_depth: ความลึกสูงสุดต่อต้นไม้
  • subsample: % ของตัวอย่างที่ใช้ต่อต้นไม้
  • colsample_bytree: % ของ feature ที่ใช้ต่อต้นไม้
Extreme Gradient Boosting with XGBoost

พารามิเตอร์ที่ปรับได้สำหรับ linear

  • lambda: L2 reg บน weights
  • alpha: L1 reg บน weights

  • lambda_bias: L2 reg บน bias

  • สามารถปรับจำนวน estimator สำหรับ base model ทั้งสองประเภทได้ด้วย!

Extreme Gradient Boosting with XGBoost

มาฝึกกันเถอะ!

Extreme Gradient Boosting with XGBoost

Preparing Video For Download...