XGBoost

最新推荐文章于 2025-12-03 17:31:48 发布
转载 最新推荐文章于 2025-12-03 17:31:48 发布 · 404 阅读 · 0
文章标签：

#机器学习 #python #XGBoost

博客聚焦于Python机器学习领域，着重介绍了手撕XGBoost的相关内容，通过实战方式展现如何运用Python进行机器学习，XGBoost是其中关键技术。
机器学习分类算法之XGBoost（集成学习算法）
迷茫与徘徊只会让你陷入绝境，欢迎私信博主，带你开始提升变现价值！
02-14 10万+
目录 走进XGBoost 什么是XGBoost？ XGBoost树的定义 XGBoost核心算法 正则项：树的复杂程度 XGBoost与GBDT有什么不同 XGBoost需要注意的点 XGBoost重要参数详解 调参步骤及思想 XGBoost代码案例 相关性分析 n_estimators（学习曲线） max_depth（学习曲线） 调整max_depth 和min_child_weight 调整gamma 调整subsample 和colsample_bytree 调整正则
20240330-2-XGBoost面试题
qq_24428851的博客
04-21 1331
XGBoostXGBoostXGBoost是大规模、分布式的通用梯度提升(GBDT)库，它在GB框架下实现了GBDT和一些广义线性ML算法。XGBoostXGBoostXGBoost是一种集成学习算法，属于3类常用的集成方法(BaggingBaggingBaggingBoostingBoostingBoostingStackingStackingStacking)中的Boosti。
XGBoost介绍
网络资源是无限的
03-10 1803
XGBoost介绍
Xgboost
weixin_58975360的博客
04-25 2569
梯度提升树 class xgboost.XGBRegressor (max_depth=3, learning_rate=0.1, n_estimators=100, silent=True, objective='reg:linear', booster='gbtree', n_jobs=1, nthread=None, gamma=0, min_child_weight=1, max_delta_step=0,subsample=1, colsample_bytree=1, colsample_byl
XGBOOST算法Python实现（保姆级）
热门推荐
m0_61399808的博客
03-22 6万+
本文基于XGBOOST算法，从数据预处理、算法原理、算法实现、敏感性分析和算法应用都做了具体的分析，可适用于大部分机器学习算法初学者。
xgboost
m0_53412274的博客
07-12 1166
文章目录一.XGBoost原理1.目标函数2.第t颗树3.泰勒公式展开4.定义一颗树5.定义树的复杂度6.叶子节点归组7.树结构打分8.分裂一个节点9.寻找最佳分裂点10.停止分裂二.XGBoost实战1.简单流程2.参数解析3.建立模型4. 再牛逼的技术也挡不过傻逼似的坚持。 一.XGBoost原理 1.目标函数 y^i\hat y_iy^​i​是第i个样本xix_ixi​的预测值 2.第t颗树 XGBoost是一个加法模型，假设我们第t次迭代要训练的树模型是ft()f_t()ft​()，则有：
XGboost
weixin_44235615的博客
07-15 834
XGBoost简介 XGBoost是GBDT（梯度下降树，Gradient Boosting Decision Tree）的一种，也是加法模型和前向优化算法。在监督学习中，可以分为：模型、参数、目标函数、学习方法。 模型：给定输入x后预测输出y的方法，比如说回归，分类，排序等。 参数：模型中的参数，比如线性回归中的权重和偏置。 目标函数：即损失函数，包含正则化项。 学习方法：给定目标函数后求解模型和参数的方法，比如：梯度下降法，数学推导等等。一般都是使用梯度下降的方法。 从这四个方面来构建XGBo
3 xgboost
qq_28611929的博客
04-17 706
XGBoost与GBDT比较大的不同就是目标函数的定义，基本思想是一致的，同样是利用加法模型与前向分步算法实现学习的优化过程。
matlab xgboost
m0_57273050的博客
08-04 1612
最近一个朋友在询问关于xgboost的matlab代码，恰巧在三年前的五一数模中写过这个模型，当时找了好久的matalb代码没找到，最后才找人用python跑的，所以这次一方面是为了回答他的问题，另一方面是解答三年前的疑问。要么就是直接上mbd进行付费。其中提到：原来，xgboost不是机器学习算法。而是是梯度增强的有效实现。这时候，就有人问了，那么什么是梯度提升回归呢？！这里，已经有了非常清楚的解释了！
GA-XGBoost遗传算法优化XGBoost分类预测（Matlab完整源码和数据）
08-10
1.Matlab实现GA-XGBoost遗传算法优化XGBoost分类预测（Matlab完整源码和数据）。 2.输出对比图、混淆矩阵图、预测准确率，运行环境Matlab2023及以上。 3.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、...
PSO-XGBoost粒子群算法优化XGBoost分类预测（Matlab完整源码和数据）
08-09
1.Matlab实现PSO-XGBoost粒子群算法优化XGBoost分类预测（Matlab完整源码和数据）。 2.输出对比图、混淆矩阵图、预测准确率，运行环境Matlab2023及以上。 3.代码特点：参数化编程、参数可方便更改、代码编程思路清晰...
pycharm中xgboost下载失败的解决方案
08-14
如果你在pycharm中用pip install xgboost时遇到以下问题，可以安装下列步骤处理： 1.先看看自己的python版本号（cmd-->python），和支持的cp号。一个简单粗暴的方法，我的python是3.8的，支持的CP就是cp38。 2.pip ...
matlab xgboost安装调试
02-12
标题“matlab xgboost安装调试”涉及到的是在MATLAB环境中安装和配置XGBoost库的过程，以及可能遇到的问题和调试方法。XGBoost是一种高效、灵活且可扩展的梯度提升框架，常用于机器学习任务，特别是分类和回归问题。...
0011机器学习特征工程
最新发布
老欧学视觉的博客
12-03 726
本文系统介绍了机器学习特征工程的关键内容，包括特征工程在机器学习流程中的重要性、数据处理方法和降维技术。主要内容涵盖：1）特征工程的核心作用是通过数据预处理提升模型效果，包括异常值处理、数据平衡、文本向量化等；2）详细讲解了数据清洗、缺失值填充、标准化/归一化、One-Hot编码等基础处理方法；3）重点阐述了文本特征提取技术（词袋法、TF-IDF）和降维方法（特征选择、PCA、LDA）。文章强调特征工程需结合业务场景进行特征衍生和优化，占整个开发流程30%-50%的工作量，是机器学习项目成功的关键环节。
学习笔记二十三：支持向量机-间隔与支持向量
dengdaijc的专栏
12-02 723
本文介绍了支持向量机(SVM)的基本原理。SVM通过在样本空间中寻找最优划分超平面来实现分类，其核心思想是最大化分类间隔以提高泛化能力。关键概念包括：划分超平面的数学表示（由法向量和位移项定义）、支持向量（决定超平面位置的最近样本点）以及间隔（反映分类置信度）。SVM的基本型是一个凸二次规划问题，通过最小化法向量范数平方来最大化间隔，同时满足所有样本正确分类的约束条件。该方法具有理论严谨、模型稀疏、全局最优等优势，是经典的分类学习算法。
【模式识别与机器学习（14）】惰性学习kNN（聚类分析）【3】K-means算法中K值确定的五种方式
hiliang521的博客
12-02 697
【模式识别与机器学习（14）】K-means算法中K值确定教程
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值