xgboost

    4熱度

    2回答

    xgboost，抵消風險？

    我在R中建模聲明頻率（poisson distr）。我使用的是gbm和xgboost包，但似乎xgboost沒有用於考慮曝光的偏移參數？ 在gbm，一個將採取曝光考慮如下： gbm.fit(x = train,y = target, n.trees = 100,distribution = "poisson", offset = log(exposure)) 如何實現與`xgboost一樣嗎？
    r xgboost 2016-01-20

    9熱度

    2回答

    如何在R中使用XGBoost算法進行迴歸？

    我正在嘗試用於預測的XGBoost技術。由於我的因變量是連續的，我正在使用XGBoost進行迴歸，但大多數可用於各種門戶的參考都是用於分類的。雖然我知道通過使用 objective = "reg:linear" 我們可以做迴歸，但仍然需要一些其他參數的清晰度。如果有人能爲我提供一個R代碼段，這將是一個很大的幫助。
    r machine-learning gbm xgboost boosting 2015-10-19

    12熱度

    1回答

    XGBoost如何進行並行計算？

    XGBoost使用加法訓練方法，在該方法中，它模擬以前模型的殘差。 這是連續的，但它是如何並行計算呢？
    xgboost 2015-12-08

    1熱度

    2回答

    xgboost問題與R

    我用xgboost做邏輯迴歸。我按照步驟from，但我有兩個問題。數據集被發現here。 首先，當我運行後續代碼： bst <- xgboost(data = sparse_matrix, label = output_vector,nrounds = 39,param) 然後，我得到了 [0]train-rmse:0.350006 [1]train-rmse:0.245008 [2]tr
    r regression logistic-regression xgboost 2015-12-21

    3熱度

    4回答

    xgboost預測方法返回

    我已經創建了一個xgboost分類器在Python所有行相同的預測值： 列車是一個數據幀的熊貓由100K行和50層的特徵爲列。 目標是熊貓系列 xgb_classifier = xgb.XGBClassifier(nthread=-1, max_depth=3, silent=0, objective='reg:linear', n_estimators=100) xg
    python machine-learning xgboost 2015-11-02

    7熱度

    1回答

    xgboost封面是如何計算的？

    有人可以解釋xgboost R包中的Cover列是如何在xgb.model.dt.tree函數中計算的？ 在文檔中，它表示Cover 「是度量受拆分影響的觀測值數量的指標」。 當您運行xgboost此功能的文檔中給出的以下代碼時，樹0的節點0的Cover爲1628.2500。 data(agaricus.train, package='xgboost') #Both dataset are l
    r xgboost 2015-11-04

    0熱度

    1回答

    XGBoost - 學習率

    我正在使用XGBoost進行一些實驗。 我設置迭代次數爲1000，得到的結果 - 不無道理.. 比我嘗試做不同的事情： 而不是運行1000次迭代我想運行100次迭代，這一個重複10次（總共也有1000次迭代）。 在這十步之間我設置了： target_learn = target_learn - target_fitted（從前一步）。 和比target_fitted = target_fitted
    tree machine-learning ensemble-learning xgboost boosting 2015-11-05

    5熱度

    3回答

    使用'rank：pairwise'的XGboost的輸出是什麼？

    我使用XGBoost的python實現。其中一個目標是rank:pairwise，它最大限度地減少了成對損失（Documentation）。但是，它並沒有說明輸出的範圍。我看到-10到10之間的數字，但是原則上可以 - 爲了inf？
    xgboost 2015-11-13

    1熱度

    1回答

    如何在R中使用xgboost包來解釋多類分類的輸出？

    我是新來的XGBOOST包，我想用它來處理多類分類問題。 我現在有30個類（或標籤），我已經將它們轉換爲整數（0 - 29）。然後，我從數據集上的XGBOOST包運行xgboost（）方法。建立模型後，我使用predict（）方法來預測新的測試數據。最後，我得到了一個數字矢量作爲最終輸出。順便說一句，所有的數字都在0和1之間。 那麼現在我怎麼能解釋輸出呢？這是可能性嗎？但是，我怎麼知道哪一類應該關
    r multilabel-classification xgboost 2015-11-17

    1熱度

    1回答

    請問如果我使用不同數量的核心XGBoost產生相同的結果？

    我在兩臺機器上安裝XGBoost（0.4）的完全相同的版本。兩臺機器唯一的區別是RAM和內核數量（8對16）。 使用完全相同的數據，我無法重現相同的結果。它們稍有不同（小數點後四位，五位）。 種子被保留爲默認值。
    python python-2.7 machine-learning xgboost 2016-01-14
最新問題