xgboost 包使用

亓了个葩

于 2017-05-23 21:11:13 发布

阅读量1.3k

点赞数

CC 4.0 BY-SA版权

分类专栏： R语言文章标签： R python xgboost

本文链接：https://blog.youkuaiyun.com/skyonefly/article/details/72667304

本文详细介绍了XGBoost的原理与使用方法，包括在R和Python中的应用。通过实例，展示了如何训练模型、调参优化，并探讨了XGBoost在机器学习中的优势和应用场景。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

为了程序的通用性， 最近在使用caret 包代替xgboost包
外加记忆力比较差，所以扔上来

防小白：
训练数据包括 训练集， eval集
训练集： 训练数据中用来训练模型的数据
eval集： 训练过程中看训练数据训练出的模型的误差，相当于cross_validation


library(xgboost)
#like python 训练数据
dtrain <- xgb.DMatrix(train.mx, label=train$algorithms )
#eval 数据
dtest <- xgb.DMatrix(test.mx, label=test$algorithms)

model <- xgb.train(data = dtrain,
                   watchlist = list(test = dtrain, train = dtest),  #训练误差 和 eval集误差
                   params = list(
                           objective = 'multi:softmax',