Autor: chen_h
Micro señal y QQ: 862251340
micro-canales número público: coderpai
libros Xgboost aprendan de registro
El libro se divide en tres áreas:
- Fundamentos XGBoost
En esta sección se describe brevemente la biblioteca XGBoost, para su uso con el pitón scikit-learn biblioteca. Después de completar el tutorial de esta sección, usted aprenderá el modelo básico método XGBoost. Específicamente, esta sección incluye:
- Brief algoritmos de mejora de gradiente.
- XGBoost introducción a la biblioteca y es tan popular.
- Cómo desarrollar desde cero, su primer modelo XGBoost.
- Cómo preparar los datos para su uso con XGBoost.
- ¿Cómo evaluar el desempeño del modelo XGBoost entrenado.
- Cómo mejorar el árbol visual en el modelo XGBoost.
- XGBoost premium
En esta sección se describen algunas de las características más avanzadas y la biblioteca XGBoost uso. Después de completar el tutorial de esta sección, usted aprenderá cómo poner en práctica algunas de las características más avanzadas gradientes para mejorar y ampliar su modelo para dar cabida a la plataforma de hardware más grande. Específicamente, esta sección incluye:
- Cómo modelar la secuencia de entrenamiento en un archivo y luego cargar y utilizarlos para predecir.
- Cómo calcular la puntuación de importancia y se utiliza para la selección de características.
- ¿Cómo detener y establecer las condiciones para un modelo de principios de supervisión del rendimiento durante el entrenamiento.
- Cómo utilizar la biblioteca XGBoost paralelo entrenamiento funcional más rápido modelo.
- Cómo utilizar la infraestructura de la nube de Amazon para acelerar rápidamente XGBoost modelo de formación del modelo.
- ajuste XGBoost
Esta sección proporciona instrucciones detalladas sobre cómo configurar y ajustar los parámetros de XGBoost súper tutorial. Al término de esta parte del tutorial, aprenderá cómo diseñar experimentos para ajustar los parámetros para aprovechar el modelo. Específicamente, esta sección incluye:
- parámetros y heurística Introducción XGBoost para obtener una buena valores de los parámetros.
- Cómo ajustar el número de modelo y el tamaño del árbol.
- Cómo ajustar el modelo de tasa de aprendizaje y el número de árboles.
- Cómo ajustar la frecuencia de muestreo de la variación aleatoria del algoritmo.