重要參數解讀
下面列出的是模型中一些重要的參數，一決高低游戲，一決高低造句，以幫助大家更好學習與使用字這些算法！
Catboostn_estimators：表示用于創建樹的最大數量；learning_rate：表示學習率，用于減少梯度的級別；eval_metric：表示用于過度擬合檢測和最佳模型選擇的度量標準；depth：表示樹的深度；subsample：表示數據行的采樣率，不能在貝葉斯增強類型設置中使用；l2_leaf_reg：表示成本函數的L2規則化項的系數；random_strength：表示在選擇樹結構時用于對拆分評分的隨機量，使用此參數可以避免模型過度擬合；min_data_in_leaf：表示在一個葉子中訓練樣本的最小數量 。CatBoost不會在樣本總數小于指定值的葉子中搜索新的拆分；colsample_bylevel，colsample_bytree，colsample_bynode — 分別表示各個層、各棵樹、各個節點的列采樣率；task_type：表示選擇“GPU”或“CPU” 。如果數據集足夠大（從數萬個對象開始），那么在GPU上的訓練與在CPU上的訓練相比速度會有顯著的提升，數據集越大，加速就越明顯；boosting_type：表示在默認情況下，小數據集的增強類型值設置為“Ordered” 。這可以防止過度擬合，但在計算方面的成本會很高 。可以嘗試將此參數的值設置為“Plain”，來提高訓練速度；rsm：對于那些具有幾百個特性的數據集，rsm參數加快了訓練的速度，通常對訓練的質量不會有影響 。另外，不建議為只有少量（10-20）特征的數據集更改rsm參數的默認值；border_count：此參數定義了每個特征的分割數 。默認情況下，如果在CPU上執行訓練，它的值設置為254，如果在GPU上執行訓練，則設置為128；
LightGBMnum_leaves：表示一棵樹中最游戲大的葉子數量 。在LightGBM中，必須將低下num_leaves的值設置為小于2^（max_depth），以防止過度擬合 。而更高的值會得到更高的準確度，但這也可能會造成過度擬合；max_depth：表示樹的最大深度，這個參數有助于防止過度擬合；min_data_in_leaf：表示每個葉子中的最小數據量 。設置一個過小的值可能會導致過度擬合；eval_metric：表示用于過度擬合檢測和詞語最佳模型選擇的度量標準；learning_rate：表示學習率，用于降低梯度的級別；n_estimators：表示可以創建樹的最大數量；colsample_bylevel，colsample_bytree，colsample_bynode — 分別表示各個層、各棵樹、各個節點的列采樣率；boosting_type?— 該參數可選擇以下的值:‘gbdt’，表示傳統的梯度增強決策樹；‘dart’，缺失則符合多重累計回歸樹（Multiple Additive Regression Trees）；‘goss’，表示基于梯度的單側抽樣反義詞（Gradient-based One-Side Sampling）；‘rf’，表示隨機森林（Random Forest）；
feature_fraction：表示每次迭代所使用的特征分數（即所占百分比，用小數表示），一決高低是什么意思 。將此值設置得較低，來提高訓練速度；min_split_again：表示當在樹的葉節點上進行進一步的分區時，所需最小損失值的減少量；n_jobs：表示并行的線程數量，如果設為-1則可以使用所有的可用線程；
bagging_fraction：表示每次迭代所使用的數據分數（即所占百分比，用小數表示） 。將此值設置得較低，以提高訓練速度；application?：default（默認值）=regression，type（類型是一值）=enum，options（可選值）=regression : 表示執行回歸任務；binary : 表示二進制分類；multiclass:表示多個類的類別；lambdarank : 表示lambdarank 應用；
max_bin：表示用于詞語存放特征值的最大容器（bin）數 。有助于防止過度擬合； num_iterations：表示增強要執行的迭代的迭代；
XGBoost 參數 https://xgboost.readthedocs.io/en/latest/parameter.html LightGBM 參數 https://lightgbm.readthedocs.io/en/latest/Python-API.htmlCatBoost 參數 https://catboost.ai/docs/concepts/python-reference_parameters-list.html#python-reference_parameters-list相關經驗推薦
- 中國朝代順序表 隋唐五代是哪五代
- 生殖器皰疹的潛伏期是多久
- uniqlo是什么牌子的衣服 uniqlo是什么牌子
- 形容自己傻的經典句子 諷刺自己傻的句子 形容自己傻的經典句子
- 冬天哪些人不宜吃生姜 冬天為什么不宜吃生姜
- 番茄面膜的做法與功效視頻 番茄面膜的做法與功效
- 墻上非常小的蟲子是什么 墻上的小蟲子是什么蟲子
- 岫讀什么音? 岫讀什么音
- 抵押型REITs的特點是 抵押型REITs的特點是
- 桂枝配丹參的作用 桂枝配丹參的作用是什么
