机器学习-XGBoost

机器学习-XGBoost

文章目录

  • 机器学习-XGBoost
    • XGBoost的介绍
    • XGboost的应用
    • 目标
    • 流程
    • 算法实战
    • 基于天气数据集的XGBoost分类实战
    • 重要知识点
      • XGBoost的重要参数
      • XGBoost原理粗略讲解

XGBoost的介绍

XGBoost是2016年由华盛顿大学陈天奇老师带领开发的一个可扩展机器学习系统。严格意义上讲XGBoost并不是一种模型,而是一个可供用户轻松解决分类、回归或排序问题的软件包。它内部实现了梯度提升树(GBDT)模型,并对模型中的算法进行了诸多优化,在取得高精度的同时又保持了极快的速度,在一段时间内成为了国内外数据挖掘、机器学习领域中的大规模杀伤性武器。

更重要的是,XGBoost在系统优化和机器学习原理方面都进行了深入的考虑。毫不夸张的讲,XGBoost提供的可扩展性,可移植性与准确性推动了机器学习计算限制的上限,该系统在单台机器上运行速度比当时流行解决方案快十倍以上,甚至在分布式系统中可以处理十亿级的数据。<

你可能感兴趣的:(机器学习,机器学习,python)