sklearn 中GBDT的损失函数

本文概述了分类与回归模型中常用的损失函数,包括对数损失、指数损失、均方差、绝对损失等,并提供了相关链接以供进一步学习。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

项目github地址:bitcarmanlee easy-algorithm-interview-and-practice
欢迎大家star,留言,一起学习进步

1.分类模型

分类模型的损失函数包括有”deviance”和指数损失函数”exponential”,默认为对数损失函数。
相关参考链接:
1.损失函数 http://www.csuldw.com/2016/03/26/2016-03-26-loss-function/
2.Adaboost与指数损失 http://breezedeus.github.io/2015/07/12/breezedeus-adaboost-exponential-loss.html

2.回归模型

回归模型的损失函数包括均方差"ls",绝对损失"lad",Huber损失"huber",分位数损失"quantile"。

相关参考链接:
1.Huber Loss function http://blog.youkuaiyun.com/lanchunhui/article/details/50427055

参看文献:
1.GBDT算法原理深入解析: https://www.zybuluo.com/yxd/note/611571
2.XGBoost 与 Boosted Tree http://www.52cs.org/?p=429

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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