回歸復習

使用 XGBoost 的極端梯度提升

Sergey Fogelson

Head of Data Science, TelevisaUnivision

回歸基本概念

  • 輸出為實數值

使用 XGBoost 的極端梯度提升

常見回歸評估指標

  • 均方根誤差（RMSE）
  • 平均絕對誤差（MAE）
使用 XGBoost 的極端梯度提升

計算 RMSE

實際值 預測值
10 20
3 8
6 1
使用 XGBoost 的極端梯度提升

計算 RMSE

實際值 預測值 誤差
10 20 -10
3 8 -5
6 1 5
使用 XGBoost 的極端梯度提升

計算 RMSE

實際值 預測值 誤差 平方誤差
10 20 -10 100
3 8 -5 25
6 1 5 25
  • 總平方誤差：150
  • 均方誤差：50
  • 均方根誤差：7.07
使用 XGBoost 的極端梯度提升

計算 MAE

實際值 預測值 誤差
10 20 -10
3 8 -5
6 1 5
  • 總絕對誤差：20
  • 平均絕對誤差：6.67
使用 XGBoost 的極端梯度提升

常見回歸演算法

  • 線性回歸
  • 決策樹
使用 XGBoost 的極端梯度提升

可用於回歸與分類的演算法

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

一起來練習吧！

使用 XGBoost 的極端梯度提升

Preparing Video For Download...