XGBoost的参数使用说明
直接调用XGBoost
–import xgboost as xgb
与scikit-learn一起使用
– from xgboost import XGBClassifier
其使用的步骤:
• 1. 构造学习器实例
– 模型参数在构造时传递
• 2. 模型训练:fit/GridSearchCV
• 3. 预测
• xgboost.XGBClassifier(max_depth=3, learning_rate=0.1,
n_estimators=100, silent=True, objective=‘binary:logistic’, nthread=-1,
gamma=0, min_child_weight=1, max_delta_step=0, subsample=1,
colsample_bytree=1, colsample_bylevel=1, reg_alpha=0, reg_lambda=1,
scale_pos_weight=1, base_score=0.5, random_state=0, seed=None,
missing=None,**kwargs)
• fit(X, y, sample_weight=None, eval_set=None, eval_metric=None, early_st
opping_rounds=None, verbose=True, xgb_model=None)
Kaggle竞赛优胜者的建议
• Tong He(XGBoost R语言版本开发者): 三个最重要的
参数为:树的数目、树的深度和学习率。建议参数调整策
略为:
– 采用默认参数配置试试
– 如果系统过拟合了,降低学习率
– 如果系统欠拟合,加大学习率
具体调参可以参考https://www.geek-share.com/detail/2679891925.html
关于XGBoost参数的调节步骤:
1.选择一组初始化参数,确定n_estimators也就是树的棵数
2.改变max_depth也就是树的深度和min_child_weight也就是节点权重的和
3.改变reg_alpha和reg_lambda
4.调节subsample和colsample-bytree改变数据采样策略
5.改变learning_rate(变小)同时增大n_estimators的值.
6.确定模型.
- XGBoost参数说明
- 机器学习----XGBOOST参数说明
- XGboost有关参数及其使用(PYTHON)
- xgboost+python参数介绍的简单使用
- XGBoost实用参数说明
- command: find命令-exec参数的使用说明
- iframe的各项参数整理附说明及使用示例
- ffmpeg]ffmpeg使用参数的中文说明
- [置顶] XGBoost参数调优完全指南
- [置顶] XGBoost参数解释
- [转]SWFUpload详细参数使用说明
- otl_stream构造函数第一个参数buffer size的使用说明
- Android ListView/GridView onItemClick函数参数说明及使用举例
- Boost FileSystem 库使用说明2
- windows在python安装使用xgboost走了些弯路
- window.open的例子和使用方法以及参数说明(完整版)
- windows下的使用别人编译好的库文件进行安装xgboost
- 【Boost】boost库asio详解5——resolver与endpoint使用说明
- Java基础学习总结(120)——JVM 参数使用详细说明
- subplots与figure函数参数解释说明以及简单的使用脚本实例