【ML】XGBregressor()参数详解

机器不学习我学习

已于 2022-10-10 16:21:02 修改

阅读量4.8k

点赞数 4

分类专栏：机器学习实战蓝皮书文章标签：机器学习 python sklearn

于 2022-10-10 16:02:24 首次发布

本文链接：https://blog.youkuaiyun.com/AugustMe/article/details/127246171

版权

机器学习实战蓝皮书专栏收录该内容

37 篇文章 ¥49.90 ¥99.00

订阅专栏

超级会员免费看

本文详细探讨了XGBRegressor模型中的各项参数，旨在帮助理解并优化机器学习中的回归问题。提供了一份可供直接参考的教程链接，适用于Python和sklearn环境。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

XGBregressor()模型中有很多参数，下面对参数进行解释：

max_depth=3,          # 每一棵树最大深度，默认6；
learning_rate=0.1,      # 学习率，每棵树的预测结果都要乘以这个学习率，默认0.3；
n_estimators=100,        # 使用多少棵树来拟合，也可以理解为多少次迭代。默认100；
objective='reg:squarederror',   # 此默认参数与 XGBClassifier 不同，‘
booster='gbtree',         # 有两种模型可以选择gbtree和gblinear。gbtree使用基于树的模型进行提升计算，gblinear使用线性模型进行提升计算。默认为gbtree
gamma=0,                 # 叶节点上进行进一步分裂所需的最小"损失减少"。默认0；
min_child_weight=1,      # 可以理解为叶子节点最小样本数，默认1；
subsample=1,              # 训练集抽样比例，每次拟合一棵树之前，都会进行该抽样步骤。默认1，取值范围(0, 1]
colsample_bytree=1,       # 每次拟合一棵树之前，决定使用多少个特征，参数默认1，取值范围(0