XGBOOST调参实战与技巧解析
本文探讨了XGBOOST的调参方法，包括bias-variance trade-off原理，介绍了如何通过调整max_depth、min_child_weight、gamma、subsample、colsample_bytree、lambda和alpha等参数来优化模型。在非平衡数据集情况下，提出了数据增强、设置weight和使用特定评估指标等策略。通过实践，最佳模型的方差和AUC得到了改善。
XGBOOST的威力不用赘述，反正我是离不开它了。
具体XGBOOST的原理可以参见之前的文章《比XGBOOST更快--LightGBM介绍》
今天说下如何调参。
bias-variance trade-off
xgboost一共有几十个参数：
http://xgboost.readthedocs.io/en/latest/parameter.html
中文版解释：
http://blog.youkuaiyun.com/zc02051126/article/details/46711047
文艺青年的调参一般这样的：
1. 设定参数{parm}，评判指标{metri
1204
805
3006
1772
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
最低0.47元/天 解锁文章
扫一扫
