Python全系列 教程
3567个小节阅读:5929.6k
目录
鸿蒙应用开发
C语言快速入门
JAVA全系列 教程
面向对象的程序设计语言
Python全系列 教程
Python3.x版本,未来主流的版本
人工智能 教程
顺势而为,AI创新未来
大厂算法 教程
算法,程序员自我提升必经之路
C++ 教程
一门通用计算机编程语言
微服务 教程
目前业界流行的框架组合
web前端全系列 教程
通向WEB技术世界的钥匙
大数据全系列 教程
站在云端操控万千数据
AIGC全能工具班
A A
White Night
XGBoost全称是eXtreme Gradient Boosting,可译为极限梯度提升算法。它是GBDT的
高效实现,由陈天奇设计,致力于让提升树突破自身的计算极限,以实现运算快速,性能优
秀的工程目标。
XGBoost既可以做分类分析,也可以做回归分析,对应的模型分别为:
XGBoost作为GBDT的高效实现,在如下两个方面做了优化:
XGBoost算法的损失函数,除了本身的损失,还加上了正则化部分,可以防止过拟合,
泛化能力更强。XGBoost算法的损失函数是对误差部分采用二阶泰勒展开,相较于GBDT算
法的损失函数只对误差部分做负梯度(一阶泰勒)展开,更加准确。
其中λ是正则化系数, J(f)是正则项。
XGBoost构建树的分裂策略是 Level-wise,即同一层的叶子节点每次都一起分裂,容易
进行多线程优化,从而提升运行效率。
注意:
- XGBoost 构建树的分裂策略是Level-wise
- GBDT的另外一个经典实现LightGBM采用的分裂策略是Leaf-wise
使用pip直接安装
pip install xgboost==1.5.1
下载相关的whl文件进行安装(https://www.lfd.uci.edu/~gohlke/pythonlibs/#xgboost)
1. 关于XGBoost,下列说法正确的是:
A XGBoost的计算性能一般
B XGBoost只能解决分类问题
C XGBoost是GBDT的高效实现
D XGBoost是比尔.盖茨研究的算法
2. 关于XGBoost与GBDT,下列说法正确的是:
A XGBoost算法的损失函数,除了本身的损失,还加上了正则化部分
B GBDT的效率比XGBoost高
C XGBoost与GBDT没有任何关系
D XGBoost 构建树的分裂策略是leaf-wise
1=>C 2=>A