机器学习之XGBoosting

最新推荐文章于 2025-10-07 15:59:04 发布
转载 最新推荐文章于 2025-10-07 15:59:04 发布 · 576 阅读 · 1 ·
CC 4.0 BY-SA版权
原文链接：https://www.cnblogs.com/zongfa/p/9324684.html

该博客围绕机器学习中的XGBoosting展开，虽具体内容需点击链接查看，但可知其聚焦于这一技术，XGBoosting在机器学习领域有重要应用，能用于数据挖掘、分类和回归等任务。
机器学习实战——特征工程+xgboost股票预测
qq_37668436的博客
04-11 2448
用上证50只股票的以上特征训练xgb模型预测当天的close。代码见文末。
机器学习实战——xgboost股票close预测
qq_37668436的博客
12-05 2821
用股票历史的close预测未来的close。 另一篇用深度学习搞得，见：深度学习实战——CNN+LSTM+Attention预测股票都是很简单的小玩意，试了下发现预测的还不错，先上效果图： 有点惊讶，简单的仅仅用close的历史值就可以预测未来的值？本来想多用点特征，因为省事先用了一个特征来试试结果发现都能拟合，amazing…大概的原理：代码用notebook跑的，注释都记录在notebook了，cpu就能跑，写的很简单。 地址：github使用方法：需要pip安装xgboost和tushare在下面的
集成学习-Boosting集成学习算法XGBoost
数据掘金
10-28 2234
XGBoost全名叫（eXtreme Gradient Boosting）极端梯度提升，经常被用在一些项目中，其效果显著。它是大规模并行boosted tree的工具，它是目前最快最好的开源boosted tree工具包。XGBoost 所应用的算法就是GBDT（gradient boosting decision tree）的改进，既可以用于分类也可以用于回归问题中。 全称：eXtreme Gradient Boosting（极值梯度提升算法） 作者：陈天奇(华盛顿大学博士) 基...
利用XGBoosting进行预测
wtt561111的专栏
03-26 1万+
pyhton + XGBoosting 进行回归预测
R & Python 中XGBoosting用法、易错点、调参方法及重要参数介绍
Yann_YU的博客
08-20 3463
由于网上关于XGBoosting的资料繁杂冗余，查阅使用起来较为不便，因此怀着“整理资料，以供备忘”的目的写下本文，部分为原创，部分为整理公开资料，并且会持续更新 关于XGBoosting的介绍和原理就不赘述来重复造轮子了，网上有各种清晰易懂的教程，之后有时间我可能会整理一版，至于Boosting的地位可以简单总结，就是目前几乎各大机器学习比赛的天梯池就是Boosting和Deep learning互相打，很少别的模型了。 XGBoosting用法、易错点、调参方法及参数介绍官方文档调参方法1. GridS
XGBoosting简单原理介绍
11-01
XGBoosting简单原理和参数的介绍，同时包含参数调优的一般方法
XGBoosting简单原理及参数调优
qq_33880788的博客
03-06 7817
Booster参数：1.学习率和n_estimators具有相反的关系，建议学习率设小，用交叉验证确定estimators。随机森林与XGBoosting区别   随机森林的损失函数对树的的处理是并行的，而XGB是串行的处理。在XGB安装完成后就可以在sklearn的调用，XGB的弱学习器是不能换的，XGB可以实现增量学习，对与连续特征，对样本中出现的特征认为是一个分裂点，这是精确搜索。树的数目调...
16、区块链技术中机器学习与深度学习在欺诈检测和预防中的有效性
最新发布
n4o5p6q7r的博客
10-07 35
本文探讨了机器学习与深度学习在区块链技术中用于欺诈检测和预防的有效性。结合区块链的不可篡改、分布式和透明特性，以及机器学习强大的模式识别与自适应学习能力，二者融合可构建安全、高效、智能的反欺诈系统。文章分析了多种欺诈类型及其应对策略，综述了相关研究工作与算法性能，并讨论了当前面临的挑战如隐私、可扩展性和安全性。最后展望了未来技术融合、跨行业应用及自动化智能化发展趋势，提出加强研发、降低成本、优化数据管理和人才培养等建议。
机器学习实战案例：使用随机森林/XGBoost等模型进行分类预测，提高银行营销活动效率
Yann_YU的博客
12-29 9052
1. 项目背景介绍 在这篇文章中，我们将使用 Python 搭建逻辑回归（Logistic Regression），随机森林（Random Forest），XGBoosting，Bagging，KNN (K-Nearest Neighbors) ，神经网络（Neural Network）等6种机器学习/深度学习模型，对某个银行的营销活动数据集进行分类预测，尝试找出那些潜在客户。 银行通常会打电话给一些潜在客户来销售一些存款/投资产品，这些投资产品会使银行获得更多利润以及资金的灵活性，因此银行希望能定位那些会
机器学习（11）——xgboost
jiaomongjun的博客
05-18 2565
XGBoost是一种高效的梯度提升决策树（GBDT）实现，广泛应用于机器学习和数据科学领域。它通过组合多个弱学习器（如决策树）来构建强学习器，具有以下核心特点：1）使用二阶导数优化，提升模型精度；2）引入正则化项，防止过拟合；3）支持并行计算，提高训练效率；4）采用后剪枝和稀疏感知算法，增强模型灵活性。XGBoost还通过列块存储、缓存优化和外存计算等技术，进一步优化了大规模数据处理能力。与LightGBM相比，XGBoost在树生长策略、特征处理和内存使用等方面有所不同，适用于不同场景。实践建议包括参数调
xgboost源代码
05-08
本人通过亲自实践，教大家一步步在win下安装xgboost(http://blog.youkuaiyun.com/jingyi130705008/article/details/71435562)，这个是之前的xgboost的C++版本，是在python使用xgboost之前必须的包。
xgboost源代码python
11-27
根据我的课程设计写了一个xgboost代码，效果不错。希望能帮助跟我一样的初学者。
R语言xgboost的使用
01-05
关于R语言使用xgboost的一个代码，这里是一个关于用户分类的代码
xgboost算法的python实现
04-22
XGBoost是近年来竞赛最火的算法，这里是xgboost的python实现
利用python中的xgboost对超市销量进行预测
11-19
资源包括某超市四个月的各大中小类的销售记录，代码利用星期特征，去除噪声，用xgboost进行预测，代码中包含了一些基础的分析方法，可供新手参考。
XGBoosting算法详解（Boosting思想的代表算法）
Springfield3006的博客
07-10 1102
XGBoost是一种基于Boosting思想的集成学习算法，通过串行训练多个决策树，逐步优化模型预测效果。其核心特点包括：1）使用泰勒二阶展开优化目标函数；2）加入正则化项控制模型复杂度；3）采用加权投票整合预测结果。数学原理上，XGBoost通过定义包含损失项和正则化项的目标函数，计算叶子节点最优权重，并通过分裂增益判断树结构优劣。实际应用中，如预测电子游戏喜好，XGBoost会先初始化模型，计算梯度，然后构建决策树并迭代优化，最终得到更准确的预测结果。相比传统GBDT，XGBoost在效率和稳定性上都有
xgboost原理与代码实现实例
热门推荐
gentelyang的博客
04-26 1万+
在学习xgboost之前必须要熟悉gbdt，gbdt就是boosting方法和cart回归树，通过拟合上一个模型的残差进行学习。此题直接从需要优化的目标函数说起，这个目标函数总体包括三部分，第一部分就是损失函数l，第二部分f（t）部分就是指的L1、L2正则，constant指的是常数项，xgboost是泰勒展开的三项做了一个近似，最终的目标函数只依赖于一阶和二阶导数。...
初次实践XGBoosting
Gunther的博客
12-22 2075
我先做一个小例子热身一下： import numpy as np dataset=np.array([[1.,-1.,2.],[2.,0.,0.],[0.,1.,-1.]]) X=dataset[0]#[ 1. -1. 2.]第一行 X=dataset[:1]#[[ 1. -1. 2.]]第一行很少用 X=dataset[:,1]#[-1. 0. 1.]第二列 X=dataset[:
机器学习：集成学习的提升法（Boosting）：XGBoost（二）
rubyw的博客
07-02 542
XGBoost（eXtreme Gradient Boosting）是一种基于决策树的优化的集成学习算法，特别适用于回归和分类问题。它在各种数据集上表现出色，并在数据科学竞赛中被广泛使用。总结来说，XGBoost通过优化提升树的构建过程和模型的正则化，实现了在大规模数据集上高效、准确的预测能力，是目前应用最广泛的集成学习算法之一。
XGBOOSTING
03-21
### XGBoost 机器学习框架概述 XGBoost 是一种基于决策树的集成学习框架，其核心思想是利用梯度提升（Gradient Boosting）算法来优化模型性能[^2]。作为当前数据科学领域的重要工具之一，XGBoost 凭借其高效性和...
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