-
python入门教程之集成学习之Xgboost(18)
本站最新发布 Python从入门到精通|Python基础教程
试听地址 https://www.xin3721.com/eschool/pythonxin3721/
yif(xi)))
试听地址 https://www.xin3721.com/eschool/pythonxin3721/
yif(xi)))
其每个样本的二阶导数为:
由于没有正则化项,则,即可得到GBDT二分类叶子节点区域的近似值。
现在我们回到XGBoost,我们已经解决了第一个问题。现在来看XGBoost优化拆分出的第二个问题:如何选择哪个特征和特征值进行分裂,使最终我们的损失函数最小?在GBDT里面,我们是直接拟合的CART回归树,所以树节点分裂使用的是均方误差。XGBoost这里不使用均方误差,而是使用贪心法,即每次分裂都期望最小化我们的损失函数的误差。
注意到在取最优解的时候,原损失函数对应的表达式为:
Obj代表了当指定一个树的结构的时候,在目标上面最多减少多少。结构分数(structure score),这里结构分数越小代表这颗树的结构越好。
1) 树结构的打分函数
这里的结构分数(structure score)可以理解为类似于Gain系数一样更加一般的对于树打分的函数。
具体打分函数例子:
Xgboost算法的步骤和GB基本相同,都是首先初始化为一个常数,gb是根据一阶导数,Xgboost是根据一阶导数和二阶导数,迭代生成基学习器,相加更新学习器。对于每一次尝试去对已有的叶子加入一个分割,每次做左右子树分裂时,目标是最大程度的减少损失函数的损失,也就是说,假设当前节点左右子树的一阶二阶导数和为,,,则我们期望最大化下式:
栏目列表
最新更新
如何使用OS模块中的stat方法
Python os 模块
seek() 方法
python打开文件实例1
Python写入文件
什么是流?
文件操作如何进制逐行读取
Python相对路径
with创建临时运行环境
Python文件操作
.Net Standard(.Net Core)实现获取配置信息
Linux PXE + Kickstart 自动装机
Shell 编程 基础
Shell 编程 条件语句
CentOS8-网卡配置及详解
Linux中LVM逻辑卷管理
1.数码相框-相框框架分析(1)
Ubuntu armhf 版本国内源
Linux中raid磁盘阵列
搭建简易网站
access教程之Access简介
mysql 安装了最新版本8.x版本后的报错:
Mysql空间数据&空间索引(spatial)
如何远程连接SQL Server数据库的图文教程
复制SqlServer数据库的方法
搜索sql语句
sql中返回参数的值
sql中生成查询的模糊匹配字符串
数据定义功能
数据操作功能