XGBoost 是梯度提升集成算法的一种强大而有效的实现。配置 XGBoost 模型的超参数可能具有挑战性，这常常导致使用大型的网格搜索实验，既耗时又计算昂贵。配置 XGBoost 模型的另一种方法是评估模型的性能 […]
归档 | XGBoost
XGBoost 损失函数简明介绍
XGBoost 是梯度提升集成算法的一种强大且流行的实现。配置 XGBoost 模型的一个重要方面是选择在模型训练过程中最小化的损失函数。损失函数必须与预测建模问题的类型相匹配，就像我们必须选择合适的 […]
XGBoost 用于回归
极限梯度提升（XGBoost）是一个开源库，它提供了梯度提升算法的高效实现。在其开发和初步发布后不久，XGBoost 就成为机器学习竞赛中各种问题获胜解决方案的首选方法和关键组成部分。回归预测建模问题涉及预测 […]
如何使用 XGBoost 进行时间序列预测
XGBoost 是用于分类和回归问题的梯度提升的高效实现。它既快速又高效，在广泛的预测建模任务上表现良好，甚至可能是最好的，并且是数据科学竞赛（如 Kaggle 上的竞赛）获胜者们的最爱。XGBoost 也可以用于时间序列 […]
在 165 个数据集上比较 13 种算法（提示：使用梯度提升）
您应该使用哪种机器学习算法？这是应用机器学习中的一个核心问题。在 Randal Olson 等人最近的一篇论文中，他们试图回答这个问题，并为您提供一份指南，指导您在对问题进行抽查更广泛的算法套件之前，首先应该尝试哪些算法和参数。在这篇 […]
如何在 macOS 上为 Python 安装 XGBoost
XGBoost 是一个用于开发非常快速和准确的梯度提升模型的库。它是许多 Kaggle 数据科学竞赛中获胜解决方案的核心库。在本教程中，您将发现在 macOS 上为 Python 安装 XGBoost 库的方法。让我们开始吧。教程概述 本教程分为 […]
7 步迷你课程，开始在 Python 中使用 XGBoost
Python XGBoost 迷你课程。XGBoost 是梯度提升的一种实现，正被用于赢得机器学习竞赛。它功能强大，但上手可能有些困难。在这篇文章中，您将发现一个关于 Python XGBoost 的 7 部分速成课程。这个迷你课程专为 Python 机器学习从业者设计 […]
在 Python 中使用 XGBoost 和 scikit-learn 进行随机梯度提升
一种简单的决策树集成技术是在训练数据集的子样本上训练树。可以取训练数据行的子集来训练单个树，这称为 bagging。当在计算每个分裂点时也取训练数据的行子集时，这称为随机森林。[…]
在 Python 中使用 XGBoost 调整梯度提升的学习率
梯度提升决策树的一个问题是它们学习速度快，容易过拟合训练数据。减缓梯度提升模型学习速度的一个有效方法是使用学习率，也称为收缩率（在 XGBoost 文档中称为 eta）。在这篇文章中，您将发现学习率的影响 […]
如何使用亚马逊云服务（Amazon Web Services）在云端训练 XGBoost 模型
XGBoost 库提供了一种为速度和性能而设计的梯度提升实现。它的实现旨在充分利用您的计算资源，包括所有 CPU 核心和内存。在这篇文章中，您将发现如何在亚马逊的云服务上设置服务器，以快速且廉价地创建非常大的模型。在 […]