本文提供了树模型调参的官方文档链接，包括决策树、随机森林、GBDT/GBRT、HistGradientBoostingRegressor、XGboost、LightGBM和Catboost。详细介绍了各模型的使用和调参方法，帮助读者深入理解并优化树模型。
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档
决策树
https://scikit-learn.org/stable/modules/generated/sklearn.ensemble.HistGradientBoostingRegressor.html#sklearn.ensemble.HistGradientBoostingRegressor
随机森林
https://sklearn.apachecn.org/docs/master/12.html
GBDT/GBRT
梯度提升回归树（GBRT）
sk-learn集成学习
https://sklearn.apachecn.org/docs/master/12.html
HistGradientBoostingRegressor
https://scikit-learn.org/stable/modules/generated/sklearn.ensemble.HistGradientBoostingRegressor.html#sklearn.ensemble.HistGradientBoostingRegressor
XGboost
https://xgboost.readthedocs.io/en/latest/parameter.html
中文文档没有参数，但是有个调参指南
https://xgboost.apachecn.org/#/docs/8
LightGBM
中文文档：https://lightgbm.apachecn.org/#/docs/6<
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
