sklearn中GBDT的一些参数、属性、方法的理解

最新推荐文章于 2024-02-10 17:05:02 发布

原创

最新推荐文章于 2024-02-10 17:05:02 发布 · 9.6k 阅读

54 ·

CC 4.0 BY-SA版权

文章标签：

#机器学习 #算法

该博客详细介绍了GBDT分类器的重要参数，包括loss、learning_rate、subsample等，并提供了调参建议。同时提到了GBDT回归器的区别在于loss和criterion。通过理解这些参数，有助于优化模型性能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

文章目录

GBDT 分类器
GBDT 回归器

本文主要是sklearn中GBDT的一些参数、属性、方法的理解，如果需要了解基础的理论知识，可以看看之前发表的文章：梯度提升树(GBDT)相关知识。

GBDT 分类器

引入

from sklearn.ensemble import GradientBoostingClassifier
# 全部参数
GradientBoostingClassifier(ccp_alpha=0.0, criterion='friedman_mse', init=None,
                           learning_rate=0.1, loss='deviance', max_depth=3,
                           max_features=None, max_leaf_nodes=None,
                           min_impurity_decrease=0.0, min_impurity_split=None,
                           min_samples_leaf=1, min_samples_split=2,
                           min_weight_fraction_leaf=0.0, n_estimators=