参考陈天奇的这篇文章introduction to xgboost
classification and regression trees (CART)
里边包含的回归和分类,在这里边不再仅仅是一个简单的分类,还有根据叶子的位置赋值;
![](https://img.haomeiwen.com/i3117304/877856478ac3e048.png)
单一的树是不够的,随着分类的复杂度和精确度需要提升,我们用了集合树的方法:
![](https://img.haomeiwen.com/i3117304/d047b6c24c744052.png)
这是最后的预测结果:
![](https://img.haomeiwen.com/i3117304/9b419546176c87a3.png)
参考陈天奇的这篇文章introduction to xgboost
里边包含的回归和分类,在这里边不再仅仅是一个简单的分类,还有根据叶子的位置赋值;
单一的树是不够的,随着分类的复杂度和精确度需要提升,我们用了集合树的方法:
这是最后的预测结果:
本文标题:xgboost 原理总结
本文链接:https://www.haomeiwen.com/subject/izlpkftx.html
网友评论